• Contenu principal
  • Menu
OpenEdition Books
  • Accueil
  • Catalogue de 16095 livres
  • Éditeurs
  • Auteurs
  • Facebook
  • X
  • Partager
    • Facebook

    • X

    • Accueil
    • Catalogue de 16095 livres
    • Éditeurs
    • Auteurs
  • Ressources numériques en sciences humaines et sociales

    • OpenEdition
  • Nos plateformes

    • OpenEdition Books
    • OpenEdition Journals
    • Hypothèses
    • Calenda
  • Bibliothèques

    • OpenEdition Freemium
  • Suivez-nous

  • Lettre d’information
OpenEdition Search

Redirection vers OpenEdition Search.

À quel endroit ?
  • Presses universitaires de Perpignan
  • ›
  • Études
  • ›
  • Corpus
  • ›
  • Chapitre premier. Types de corpus
  • Presses universitaires de Perpignan
  • Presses universitaires de Perpignan
    Presses universitaires de Perpignan
    Informations sur la couverture
    Table des matières
    Liens vers le livre
    Informations sur la couverture
    Table des matières
    Formats de lecture

    Plan

    Plan détaillé Texte intégral Introduction Corpus de français parlé Corpus de référence du portugais contemporain English corpus resources Planteamientos de partida en la elaboración de un corpus de lengua hablada en la ciudad de Málaga Le corpus LABLITA Réflexions sur la constitution d’un corpus d’interlangue dans une communauté immigrée Bibliographie Notes de bas de page Auteurs

    Corpus

    Ce livre est recensé par

    Précédent Suivant
    Table des matières

    Chapitre premier. Types de corpus

    Claire Blanche-Benveniste, Maria Fernanda Bacelar Do Nascimento, Raphael Salkie, Antonio Manuel Ávila Muñoz, Massimo Moneglia et Christian Lagarde

    p. 11-76

    Texte intégral Bibliographie Notes de bas de page Auteurs

    Texte intégral

    Introduction

    1Le terme de corpus a désigné pendant des siècles des sources documentaires caractérisées par leur exhaustivité : recueils de textes rassemblant exhaustivement tous les documents disponibles pour certains champs d’étude. Le Corpus Juris rassemblait tous les documents du droit romain ; le Corpus des inscriptions grecques et latines ; comportait l’ensemble des inscriptions connues ; le Corpus des catalogues de bibliothèques médiévales, n’avait de valeur que s’il assurait la consultation de tous les catalogues du domaine. L’exhaustivité des données rassemblées faisait partie de la définition. Nul ne pouvait prétendre connaître les données s’il n’avait pas consulté le Corpus.

    2En matière de langage, le terme pouvait s’appliquer sans encombre à des collections de documents de langues mortes, qu’on pouvait élargir lorsqu’intervenaient de nouvelles découvertes. Sur les langues vivantes, il en va autrement. L’exhaustivité n’est pas possible : qui pourrait prétendre qu’un corpus, aussi vaste fût-il, pourrait contenir toutes les données possibles d’une langue vivante ?

    3La première utilisation du terme corpus appliqué à une collection de données de langue vivante est assez récente. Le Trésor de la Langue Française la date de 1961. C’est d’emblée un sens différent du sens classique. Ces corpus linguistiques ne visent pas à l’exhaustivité, mais à quelque chose qui y ressemblerait : une bonne représentativité de la langue.

    4Dans les années 1960 naissent les premières grandes collections d’enregistrements et transcriptions de langue parlée. Pour l’anglais, The Survey of English Usage, et The Survey of Spoken English, documentations rassemblées par J. Svartvik et R. Quirk, prendront en 1979 le titre de A Corpus of English Conversation1. Les auteurs insistent sur un principe important : le matériel qu’ils présentent permettra de faire des études « fondées sur corpus », de nature très différente de celles que menaient leurs devanciers en les fondant « sur des textes ». En effet, l’ambition de leur corpus est de rendre compte de tous les aspects de la langue, à partir d’une collection qui en forme un échantillonnage raisonné. Les grammaires fondées sur des textes n’avaient pas cette possibilité et pouvaient difficilement se targuer d’avoir travaillé sur des données représentatives de l’ensemble de la langue. Il s’agissait, pour ces nouveaux corpus, de mettre au point un « répertoire » englobant différentes variétés de langue anglaise et les représentant fidèlement. La difficulté de la tâche était de définir les variétés, sans en oublier. L’idéal d’exhaustivité, qui ne pouvait évidemment pas être atteint par la quantité des données, était déplacé et reporté dans l’échantillonnage de ces données. Une centaine de productions, de 5 000 mots chacune, prises dans des champs d’activité bien délimités, ont été retenues par J. Svartvilc et R. Quirk. C’était le début des « corpus échantillonnés ».

    5Les données rassemblées dans les années 1950-1960 pour constituer le Français Fondamental et le Portugais Fondamental2 ne portaient pas encore le nom de corpus. Leurs objectifs étaient différents. Elles voulaient fournir pour l’enseignement des langues vivantes un vocabulaire et une grammaire « de base », calculés en fonction des plus grandes fréquences statistiques. Ce souci de dégager, dans la masse des données linguistiques, des bases utiles pour l’enseignement n’a pas été bien compris en France. Un tel objectif les a à la fois servis et desservis. Comme les auteurs ne cherchaient pas à représenter « toute la langue », on a pu les accuser, surtout en France, de chercher à l’appauvrir3.

    6Quelles que soient les orientations, dès les premières applications aux langues vivantes, le terme de corpus désigne non pas simplement des collections de données de langage mais un choix organisé de ces données. Dans les usages qu’en ont fait les sociolinguistes, à partir des années 1970, le corpus désignait un échantillonnage de données choisies en fonction de critères sociologiques et régionaux, comme par exemple le Corpus Sankoff-Cedergren pour le français du Québec, ou le Corpus d’Orléans pour le « français de France ». Les locuteurs sollicités étaient classés d’après leur origine, leur profession, leur sexe, la durée de leur scolarité, leur lieu de résidence et éventuellement d’autres critères analogues, permettant d’assurer que l’ensemble des locuteurs étaient représentés de façon fidèle par un nombre limité de « locuteur-échantillons ». On espérait que, à partir de ces échantillons, il serait possible de calculer statistiquement la répartition des faits linguistiques comme la prononciation, les choix de lexique ou la grammaire. C’était l’époque où les corpus étaient calculés en fonction des corrélations possibles entre types de locuteurs et types de parlers.

    7L’étape suivante semble avoir été celle des « corpus de référence ». L’échantillonnage porte alors sur les différents usages attestés, dans différentes activités de langage, quels que soient les locuteurs. Le principe de départ est qu’un seul et même locuteur parle différemment selon qu’il s’adresse à sa famille, à des amis, à un public familier, à un public inconnu, directement, par téléphone ou avec un répondeur, à la radio ou à la télévision, en ayant préparé ou non sa prise de parole4. À cette variété des prises de parole se combinent aussi les variétés régionales, qui peuvent être importantes pour les langues de grandes diffusions comme l’anglais, l’espagnol, le portugais ou le français. R. SAUGE explique ici comment la langue anglaise a été dotée de quantité de corpus échantillonnés. A. AVILA MUNOZ expose le problème pour une variante de la langue espagnole. Le français ne s’est pas encore doté, pour la langue parlée, d’un corpus échantillonné.

    8L’ensemble de ces échantillons vise à représenter toutes les situations de prise de parole, à une époque donnée. En ce sens, le corpus peut « faire référence ». Il comporte aussi bien du langage familier que du langage formel répondant à diverses conventions, qu’aucun locuteur isolé ne peut connaître complètement, par exemple le langage des médecins, des techniciens, des avocats, etc. Il peut être donné comme modèle à qui veut apprendre divers usages de la langue. L’idéal d’exhaustivité est placé dans les usages de la langue : on espère les avoir tous retenus. C’est ce qu’explique Fernanda BACELAR DO NASCIMENTO pour le Portugais de Référence, envisagé dans diverses manifestations sur tous les continents où il est parlé et écrit. Le corpus italien de langue parlée en Toscane vise, dans une région limitée, un inventaire aussi exhaustif que possible des échantillons prosodiques de la langue. On voit que l’exhaustivité peut être située à différents niveaux. Ces corpus échantillonnés diffèrent de simples collections d’archives parce qu’ils ont été composés et structurés systématiquement. Mais, depuis quelques dizaines d’années, le terme de corpus a été utilisé, de façon plus large, pour toute collection de textes rassemblée dans des bases de données informatisées. Même si la collecte n’a pas été faite de façon systématique et structurée, l’informatisation peut en faire un usage structuré. L’ensemble des textes d’un auteur peut former un corpus, dans lequel on peut projeter diverses organisations pour la recherche linguistique. La taille des grands corpus permet d’y découper plusieurs sous-corpus structurés. Le terme de corpus est devenu indissociable de celui d’informatisation.

    9Au début des années 1980, rappelle G. Kennedy (1998 : 66), les corpus d’un million de mots semblaient déjà vastes. La génération des corpus de langue anglaise écrite des années 1980, Cobuild et Longman Lancaster, en comportaient environ 20 millions. Dans les années 19905, on peut envisager des corpus de langue écrite d’un milliard de mots ou plus. Les corpus de langue parlée, qui exigent un long travail d’écoute et de transcription, se tiennent pour l’instant dans des proportions beaucoup plus restreintes, qui ne dépassent pas cinq millions de mots. De nombreuses conventions de transcriptions ont été proposées, selon le type de notations que l’on veut placer sur la transcription6.

    10Les corpus diffèrent entre eux selon les annotations plus ou moins sophistiquées qui les accompagnent. Des plus économes en notations, on dira que ce sont des « corpus nus ». D’autres sont complètement « étiquetés », chaque mot y recevant son étiquette morphologique. D’autres peuvent être accompagnés d’analyses syntaxiques plus ou moins raffinées. De nouvelles sortes de corpus ont été développés pour l’étude contrastive des langues. Les « corpus parallèles » permettent de placer côte à côte les chapitres, les paragraphes, les phrases, voire les syntagmes correspondants entre deux ou plus de deux langues. De nombreux corpus portant sur l’acquisition des langues ont été composés, surtout pour l’anglais. Avec un corpus assez modeste, conçu pour l’observation des démarches d’apprenants, C. LAGARDE montre ici qu’on peut aller assez loin dans l’observation.

    11Les différents types de corpus de langue parlée se définissent généralement d’après les objectifs qu’ils se donnent : faciliter l’enseignement de la langue, faire de la recherche linguistique, collaborer à de plus larges recherches statistiques, participer à des recherches de sociolinguistique, etc. Nous assistons actuellement à une reconversion complète des études linguistiques, qui ne pourront plus se passer, d’ici peu, de la consultation des ressources de langue informatisées. Dans cette perspective, on peut prévoir une variété de corpus linguistiques encore plus grande que celles que l’on voit se dessiner aujourd’hui. Dans le domaine de la langue parlée, les différentes sortes de corpus se justifient par deux caractéristiques importantes. Comme ils sont informatisés, ils se prêtent facilement à des structurations internes en sous-corpus. Comme ils contiennent des données attestées, dont on peut vérifier les sources, ils engagent à faire un travail d’analyse linguistique qui ne repose pas seulement sur l’intuition mais sur la confrontation avec des données parfois étonnantes, que la simple intuition n’aurait pas pu atteindre.

    [Claire Blanche-Benveniste]

    Corpus de français parlé

    12Pendant longtemps, les grands corpus de français parlé ont été décidés hors de France. Les enregistrements du Corpus d’Orléans ont été rassemblés en France par des Britanniques (Blanc et Biggs, entre 1966 et 1973) et c’est seulement à la fin des années 1990 que des Français s’inquiètent de le reprendre en main7. Le Corpus sociolinguistique de D. Sankoff et H. Cedergren (1971-1980) a été entièrement réalisé au Québec, et orienté vers un français qui pouvait être différent du « français de France ». Le corpus du Français Fondamental, commencé en 1956, avait été rassemblé par une équipe française dans l’idée de faciliter l’enseignement du français à l’étranger, mais il n’a pas été exploité autant qu’on l’aurait souhaité, et, pour autant qu’on puisse le savoir, les enregistrements ont été détruits.

    13Lorsque s’est formée l’équipe du GARS (Groupe Aixois de Recherche en Syntaxe), autour d’un projet de recherche sur le français parlé, c’était dans l’intention de fournir un instrument de travail intéressant pour la linguistique descriptive. Cet objectif intéressait peu de linguistes, à part Jean Stéfanini, André Chervel et Colette Jeanjean, qui s’y étaient engagés avec enthousiasme, et R.L. Wagner qui le soutenait. Pour une bonne partie des linguistes, le français parlé n’apparaissait pas comme un objet d’étude légitime.

    14Le premier numéro de la revue, Recherches Sur le Français Parlé, publié en 1977, abordait les problèmes méthodologiques de base pour l’établissement d’un corpus de français parlé, et en particulier celui des conventions de transcription (Raingeard et Lorscheider). Quelques années plus tard, en 1983, un colloque réunissait à Aix une quinzaine de participants soucieux, selon les termes d’A. Chervel, « de faire sortir l’étude de la langue parlée du ghetto où elle est encore tenue » (RSFP n° 5, 1983, p. 174). C’était encore une entreprise difficile. « Le français parlé ne tente que les téméraires » écrivait alors A. Culioli, qui avait compris et approuvé l’entreprise :

    15Ce qui est en cause ici, c’est l’intégration de plein droit, conduite selon des règles théoriques explicites, du français parlé dans le domaine de la linguistique, disons, de plein exercice (ibid. p. 294-299). La collecte de français parlé, commencée sous ces auspices dans les années 1970-1980 et élargie dans les années 1990, a abouti à la constitution du corpus de français parlé du GARS. La confrontation avec d’autres corpus de français parlé développés durant cette période a permis de mieux cerner les objectifs et les méthodes. Un bilan provisoire en avait été donné en 1987 (Blanche-Benveniste et Jeanjean). Je propose de faire ici un très bref rappel des orientations prises par ce corpus, par les études qu’il a suscitées et par les nouvelles exigences technologiques développées depuis.

    1. Les objectifs

    16La prise en compte du français parlé a donné accès à de nouveaux domaines d’études et chaque nouveau domaine a défini les types de corpus qui lui sont utiles, le choix des données et les méthodes d’analyse, en fonction des objectifs de travail.

    1.1. L’étude de la variation

    17Les corpus de français parlé rassemblés entre les années 1970 et 1980, en grande partie sous l’influence des travaux de W. Labov, ont été souvent orientés vers la recherche de corrélations socio-linguistiques. Le choix des données était alors entièrement déterminé par le choix de locuteurs enregistrés, eux-mêmes définis par des caractéristiques sociologiques, démographiques, culturelles et régionales. Le corpus exemplaire de Sankoff-Cedergren comportait 120 entrevues de 45 à 60 minutes, réparties selon ces critères. L’étude des phénomènes de variation consistait à mettre en relation un phénomène linguistique, interprété comme une variable, avec une de ces caractéristiques socio-culturelles. On établissait, par exemple, que deux réalisations variables de l’auxiliaire verbal en français, être et avoir, étaient réparties selon des catégories socio-culturelles. Il apparaissait que certains habitants de Montréal, caractérisés par des traits socio-culturels bien déterminés, disaient assez régulièrement je suis sorti alors que d’autres, dotés d’autres caractéristiques, disaient j’ai sorti (G. Sankoff et P. Thibault 1977). Le corpus devait être organisé de façon à permettre de saisir aisément ces corrélations.

    18La situation d’enregistrement la mieux adaptée était celle de l’entrevue, présentée comme une enquête sur un sujet général, par exemple l’évaluation du changement de vie dans la ville. Les entrevues devaient être menées de façon suffisamment similaire pour permettre la comparaison. Elles devaient être assez nombreuses pour se prêter à des études statistiques.

    19Le corpus du GARS a adopté, à ses débuts, une démarche un peu semblable, en choisissant des situations d’enregistrement identiques pour des locuteurs différenciés. Par exemple, les tout premiers recueils avaient été enregistrés dans des services publics qui voyaient défiler une clientèle sociologiquement variée : une série devant les guichets de la Sécurité Sociale8 et une autre dans les permanences organisées par la mairie dans différents quartiers de la ville9, au cours desquelles la municipalité recueillait griefs et récriminations. L’expérience n’a jamais été poussée assez loin pour permettre une exploitation statistique. Le corpus a été ensuite élargi dans d’autres directions.

    1.2. L’étude des interactions

    20Le domaine du français parlé a suscité un grand nombre d’analyses consacrées aux relations entre locuteurs, à l’observation de phénomènes liés aux attitudes énonciatives et aux routines discursives. Les équipes de Cosnier et Kerbrat-Oreccchioni à Lyon et de E. Roulet et Moeschler à Genève, se sont spécialisées dans ces recherches.

    21Les situations privilégiées, pour ces objectifs, sont celles où l’on peut recueillir facilement des conversations : rencontres familiales ou amicales, privées ou publiques, lieux de travail, commerces, etc. Les enregistrements peuvent être beaucoup plus courts et il n’est pas besoin qu’ils se prêtent à l’étude statistique. Les études peuvent être menées sur des corpus assez limités.

    22Une petite partie du corpus du GARS a été orientée vers ces objectifs : discussions entre les employés d’une entreprise (Benot) ; conversations dans une Maison des Jeunes (AG), dialogue avec un responsable syndical (Navale), conversations entre amis (Viandox), adolescents des quartiers nord (Belle-de-Mai). Mais ce type d’enregistrements, fondamental pour l’étude des interactions, offre des inconvénients lorsqu’on veut étudier spécialement la grammaire des locuteurs. En effet, dès que les participants à ces échanges sont nombreux (plus de quatre), la transcription devient difficile : les locuteurs parlent ensemble, se coupent la parole et provoquent des « bruits » de toute sorte. Ce n’est pas un inconvénient si on s’intéresse surtout aux contenus des interactions ; mais lorsqu’on s’attache aux détails de forme, l’entreprise est parfois délicate. On peut préférer, en ce cas, des enregistrements radiodiffusés et télévisés, de bien meilleure qualité technique (Apostrophe, émissions de France Culture, etc.)

    1.3. L’étude phonologique et prosodique

    23Les spécialistes qui travaillent sur la « parole », avec des analyses phoniques et prosodiques, réclament de bons enregistrements. Ils se contentent généralement de fragments assez courts. Des corpus limités permettent de faire des analyses représentatives (cf. M.A. Morel et L. Danon-Boileau).

    24Les éléments du corpus du GARS enregistrés « sur le vif » ont souvent été jugés de trop mauvaise qualité pour servir à faire des études de prosodie fines. Après en avoir écouté un certain nombre, Piet Mertens avait décidé d’utiliser seulement les enregistrements de Radio-France, dont la qualité acoustique lui donnait satisfaction (cf. Blanche-Benveniste et alii, 1990). Frédéric Sabio a également utilisé une émission de radio pour donner une annotation prosodique suivie d’un corpus assez long (F. Sabio, 1995).

    1.4. Les études lexicales

    25Les études de lexique exigent des collectes d’exemples de grandes dimensions. Comme les corpus de langue parlée sont généralement inférieurs à deux millions de mots, en raison du coût et de la difficulté à transcrire les données, ils se prêtent mal aux études lexicales. Il faut parfois écouter des heures d’enregistrements pour trouver une seule occurrence d’un élément lexical peu courant, sur lequel on recherche des renseignements. Ce n’est pas dans un corpus de français parlé que l’on peut espérer faire des découvertes sur la diffusion de termes lexicaux nouveaux. Pour une telle entreprise, les questionnaires semblent indispensables.

    l.5. L’étude des « genres »

    26Lorsque D. Biber (1991) a proposé une méthodologie pour étudier « les genres », il a pris soin de montrer que les corpus fondés seulement sur des critères externes, comme les critères sociologiques, ne suffisaient pas à cette tâche. Pour déterminer des « genres », dans les productions orales comme dans les productions écrites, il est nécessaire de savoir comment se regroupent certaines caractéristiques lexicales et grammaticales significatives. Par exemple, dans quels cas sont regroupés à la fois des emplois de passifs, des adjectifs nombreux et des subordonnées de certains types. L’expérience montre qu’il faut disposer pour cela de très nombreux fragments de prise de parole, d’environ 1 000 mots seulement, recueillis dans des situations très diversifiées, de façon à représenter un échantillonnage représentatif. Le corpus du GARS, qui comporte des situations très variées, se prête facilement à un découpage en échantillons susceptibles de représenter des « genres ». Plusieurs études ont porté sur la délimitation morpho-syntaxique des traits intéressants à retenir pour définir des « genres ».

    l .6. La description morpho-syntaxique

    27L’objectif du GARS a été, depuis le début, d’utiliser les corpus de langue parlée pour contribuer à la description grammaticale de la langue. Il ne s’agissait pas de chercher des « faits nouveaux », bien improbables, qu’aurait pu révéler la pratique orale de certains locuteurs, mais d’affiner la description de faits déjà connus, présents chez tous les locuteurs, et de préciser les relations entre la morphologie, la syntaxe et le lexique. Pour un certain nombre de raisons, ces relations se voient mieux dans la langue parlée que dans la langue écrite. On voit par exemple que les différents types de constructions faits sur le modèle « N de N » (la clef du garage, le départ du bateau, l’assiette de fromages, etc.) s’expliquent assez facilement à partir d’un classement en six classes lexicales de noms (Rouget 1989 et 1990). Les verbes utilisés au passif (bien plus nombreux en français parlé qu’on ne le dit habituellement) fonctionnent selon deux schémas syntaxiques majeurs, déterminés par le lexique des verbes plus que par la sophistication syntaxique, comme on a souvent voulu le dire (Blanche-Benveniste, à paraître). Les constructions à « comparatifs corrélés », du type « plus il mange, plus il grossit », dépendent de la valence des verbes utilisés (Savelli 1993). Les domaines dans lesquels la grammaire et le lexique montrent cette étroite dépendance sont nombreux.

    28Il est difficile de déterminer quelles devraient être les caractéristiques et les dimensions idéales d’un corpus spécialement organisé pour l’étude de la morpho-syntaxe. L’expérience montre que ces exigences varient beaucoup selon ce qu’on cherche et qu’on peut dégager, au fur et à mesure des recherches, certaines régularités entre les données et les objectifs qu’on n’aurait pas soupçonnées de prime abord.

    2. Adéquation entre les données et les analyses morpho-syntaxiques

    29La spontanéité de la prise de parole, qui est un facteur intéressant pour l’analyse des interactions, n’est pas toujours un bon atout pour l’observation grammaticale. Les conversations à bâtons rompus, qui représentent assez bien les situations de parole spontanées, ne livrent généralement qu’une syntaxe assez limitée, exploitant des schémas répétitifs et souvent interrompus. Cela suffit pour étudier par exemple la grammaire des pronoms clitiques, qui se déploie sur des dimensions réduites, mais c’est tout à fait insuffisant pour observer des phénomènes de subordination complexe, qui exigent de longues prises de parole. En revanche, cela permet d’observer le phénomène du « locuteur collectif », dans lequel les schèmes syntaxiques sont élaborés par plusieurs personnes à la fois (Loufrani 1981).

    30En comparant plusieurs types de situations d’enregistrements, on voit que la situation classique de l’entretien n’est pas non plus celle qui permet d’observer la syntaxe la plus complexe que les locuteurs ont à leur disposition, par exemple les enchâssements de subordination à plusieurs niveaux, le maniement des conjonctions ou les constructions relatives très développées. C’est dans les enregistrements portant sur les savoir-faire, les métiers et les techniques que l’on en rencontre le plus facilement. Quand il s’agit de faire comprendre des savoirs souvent hors de portée du profane (savoirs d’artisans, d’agriculteurs, d’ingénieurs ou de chercheurs, techniques comptables, règlements administratifs, connaissances financières ou juridiques, etc.), la personne qui mène l’entrevue peut se permettre de questionner, de solliciter de nouvelles formulations et de redemander de nouvelles explications. Elle peut justifier très naturellement la présence d’un magnétophone, qui permet de réécouter ultérieurement l’explication. C’est dans ces situations d’explication que les locuteurs (y compris les enfants, comme l’a montré C. Jeanjean 1983) produisent des énoncés à syntaxe imbriquée : parce que ... dès que ... étant donné que ... pour que ... bien que ... de sorte que ... Voici un schéma d’énoncé utilisé par un jeune technicien expliquant le fonctionnement des « puces électroniques » :

    il existe une firme ... qui offrait une somme absolument faramineuse... pour les chercheurs qui trouveraient le support ... qui ne chaufferait pas ... parce que malgré tout ... le courant tu vois même s’il est utilisé de façon extrêmement faible ... il limite la réduction (L91,24,3,1).

    31Pour observer les relations chronologiques, on pourrait penser, a priori, qu’il serait bon de choisir des récits de vie, qui mentionnent des dates et des épisodes biographiques. Or ce n’est pas là qu’on peut observer l’organisation chronologique des énoncés, mais plutôt dans les récits d’accidents (accidents domestiques et accidents de voiture essentiellement), qui s’apparentent souvent à des constats de caractère officiel, dans lesquels les locuteurs se forcent à organiser et à hiérarchiser les différents épisodes chronologiques : d’abord, ensuite ... ce n’est qu’après ... cela ne s’est pas produit avant que ..., etc.

    32Les récits de vie (autobiographies, récits de guerre, récits de voyages) livrent en revanche une autre ressource, qu’on ne s’attendrait peut-être pas à y trouver avec une telle abondance, c’est le procédé des paroles rapportées au « style direct » : elle me disait toujours ... mon père disait ... alors il m’a dit .... Les paroles rapportées semblent constituer les événements fondamentaux des récits de vie :

    il me dit qu’est-ce que tu fais je dis je vais prendre ma douche - ben il me dit tiens bon ben moi je vais aller donner un coup de ligne (Saumon, 11)

    33Un certain nombre d’énoncés, qu’on pourrait croire réservés à la langue écrite des administrations, circulent dans les prises de parole les plus familières : emplois de pronoms et adjectifs relatifs de forme lequel, ou tournures comme faire l’objet de. C’est que le langage technologique de certaines professions envahit le discours des locuteurs, en y insérant des morceaux « préconstruits », empruntés au monde du travail. Une secrétaire financière, parlant de son métier à l’interlocuteur qui est un ami, intègre dans son discours des tournures juridiques sophistiquées :

    - ça ça fait l’objet d’ailleurs de bilans (Holding 4,49)

    - on pourrait même parler si tu veux de super-holding contrôlant une holding laquelle contrôle des filiales euh lesquelles filiales ne peuvent convo-contrôler des sous-filiales (Holding 20,2)

    34Un certain nombre d’énoncés « préconstruits » circulent ainsi dans le langage parlé ordinaire.

    35Des phénomènes, que nous avons désignés comme des caractéristiques de la « langue du dimanche » signalent des registres soutenus. Les locuteurs remplacent alors systématiquement les sujets on par des nous, les il y en qui par certains, les parce que par des car, les quand par des lorsque et ils augmentent le nombre des sujets constitués par des groupes nominaux ; certains vont jusqu’à employer le passé simple comme temps narratif du passé. On pourrait penser que ces indices se rencontrent surtout dans les prises de parole publiques, les conférences et les discours politiques. Mais on en rencontre aussi dans des récits biographiques, lorsque les locuteurs donnent une tonalité « littéraire » à leurs récits, par exemple dans des récits de voyages de noces avec des passés simples :

    le trajet d’avion durait euh huit heures - tout se passa bien (Noces, 2,10)

    36La tournure d’apposition nominale, en général presque totalement absente des conversations, surgit dans le discours d ’ une secrétaire, ou dans celui d’un représentant de la mairie, lorsqu’il s’agit de présenter des rôles socio-professionnels :

    - est-ce que vous propriétaire vous acceptez que nous cédions - euh notre local - à- une société que nous créons (Holding 63,4)

    - nous municipalité nous sommes maintenant bloqués (Bus, E39,13)

    37Les enfants et les adolescents utilisent facilement ces procédés dans leurs jeux de parodie de langage, en particulier dans les parodies d’émissions télévisées.

    38Il est difficile de prévoir par des critères externes dans quelles situations vont se manifester ces indices, qui semblent dépendre en grande partie de la façon dont les locuteurs intériorisent les contraintes. C’est dans ces situations contraintes que se définissent le mieux les « convergences de traits » que D. Biber utilise pour délimiter les « genres ».

    3.Les méthodes

    3.1. La transcription de l’oral

    39Les corpus de français parlé ont été transcrits selon des méthodes assez variées, en fonction des objectifs de la recherche. L’analyse de interactions impose qu’on tienne compte des positions des locuteurs, de la répartition de leurs tours de parole, de leur gestuelle et de la qualité de leurs voix. Dans les transcriptions fournies par le GARS, ces indications ont été réduites. Les tours de parole des locuteurs sont indiqués par des retours à la ligne. Les chevauchements de parole sont marqués par des soulignements. Les autres indications, rires, événements divers, sont mentionnés non pas dans la transcription elle-même mais dans la notice qui l’accompagne.

    40Les études phonologiques et prosodiques imposent leurs propres techniques, qui varient selon les écoles. Les transcripteurs du GARS avaient essayé, dans les expériences initiales, de noter certains phénomènes par quelques diacritiques, pour donner un rendu un peu « réaliste » : allongements vocaliques, certaines absences de liaisons remarquables, raclements de gorge, production de « clicks », etc. Il est vite apparu que ces notations étaient plus gênantes qu’utiles. Elles ralentissaient la lecture en attirant l’attention sur des phénomènes mineurs pour l’analyse grammaticale ; elles prétendaient rendre compte avec réalisme de certains détails de la production, mais elles ne pouvaient pas être faites tout au long de façon systématique. Elles ont été supprimées. Trois degrés de pause avaient été proposés au début ; ils ont été réduits à deux degrés seulement : petite pause et grande pause.

    41Les études de morpho-syntaxe exigent qu’on parcoure de grands morceaux de textes, les transcriptions doivent être très lisibles, donc assez peu chargées de notations. Les transcriptions du GARS, qui ont été modifiées à plusieurs reprises, l’ont toujours été dans le sens de la plus grande simplicité. Dès le début, le choix avait été fait d’une transcription orthographique, conforme aux habitudes de lecture usuelles. Dans les premières étapes, certains « trucages orthographiques » étaient admis, comme par exemple l’apostrophe pour signaler l’élision d’une consonne ou d’une voyelle dans les « prononciations rapides ». Extraits de Bus E, pages 25-33 :

    pa’ce que

    (parce que)

    i’ peuvent nous clôturer

    (ils)

    alors i ’y a ça

    (il y a)

    c’qu’ on vous avait d’jà demandé

    (ce qu’on, déjà)

    c ’t un point important

    (c’est un)

    42Les sociologues et les historiens qui utilisent des documentations fondées sur la transcription d’enregistrements, font généralement un « nettoyage » des textes, en supprimant les hésitations, les répétitions et d’autres particularités de la parole improvisée. Pour un document linguistique, ces phénomènes sont au contraire fondamentaux. Il est important de conserver trace de toutes ces apparentes scories qui donnent de précieux renseignements sur la construction des syntagmes, par exemple les deux étapes de grâce à lui, grâce à sa notation :

    c’est euh sur c’est grâce à lui que - et grâce à sa notation que tu vas ou ne vas pas obtenir ton brevet de pilote privé (L91-3, Lachaise 17,10)

    43L’exercice d’écoute et de transcription comporte en lui-même des difficultés dont il a été décidé de tenir compte. Il arrive souvent que deux transcripteurs proposent, pour un même passage, des écoutes différentes et irréductibles. Là où l’un entend on voit il a des ressources, tu entres, l’autre entend au moins il a des ressources, tu rentres. Il arrive qu’un même transcripteur hésite entre deux « versions » du texte également plausibles. Comme il est intéressant de montrer jusqu’où peuvent aller ces divergences, la transcription en garde trace, en les notant entre barres obliques, séparées par une virgule :

    - en cas de guerre ça /on voit, au moins/ il a des ressources (Bus D4,9)

    - alors si tu n’as pas ce découvert autorisé - tu /entres, rentres/ dans la catégorie des découverts non-autorisés (L91-3, Banque 7,2)

    44Les corpus du GARS ont été transcrits, dès le début, sans ponctuation. Ce procédé, qui a choqué, a l’avantage de supprimer les délimitations de phrases qui servent pour l’analyse de la langue écrite. Les pauses, qui ne correspondent que rarement à des délimitations syntaxiques, ne les remplacent pas. Aucun substitut de la ponctuation n’a été recherché. La lecture n’en est pas pour autant difficile ; l’absence de ponctuation n’est pas une gêne pour l’interprétation des textes :

    alors ils nous ont dit si ça tient on adopte le système si ça tient pas bon ben à ce moment-là vous mettez le système dans les oubliettes - - le système a très bien marché (L91,3, Pozanna 3,10)

    45Les corpus du GARS ont été transcrits sans notation de l’intonation. Or l’analyse de la langue parlée doit pouvoir tenir compte de différents facteurs de la prosodie : hauteur mélodique, accents et rythme. Mais les spécialistes de grammaire sont souvent des profanes en la matière, et des profanes, se fondant sur leurs seules intuitions, ne peuvent pas faire de sérieuses et systématiques notations prosodiques. Mais, dans ce domaine, les progrès technologiques semblent apporter des solutions. Les « corpus alignés » permettent de lire sur l’écran et d’écouter en même temps les différentes portions du texte, graphies et sons « alignés ». Un graphe d’analyse prosodique peut alors représenter le schéma intonatif de la partie écoutée. Il ne sera donc plus nécessaire de mêler l’intonation à la transcription orthographique.

    3.2. L’outillage informatique

    46Le corpus du GARS est interrogeable avec le logiciel XCOR fabriqué par Jean-Pierre Adam, qui permet d’obtenir des concordanciers et TYPES DE CORPUS 25 de faire des calculs statistiques. Ce logiciel intègre un dictionnaire des verbes du français, ce qui a permis de faire une étude sur la conjugaison attestée dans les productions orales (Blanche-Benveniste et Adam, à paraître). Il ne comporte pas pour l’instant d’étiquetage morpho-syntaxique. On ne peut donc pas poser des questions utilisant le métalangage grammatical : noms, adjectifs, adverbes, etc. Les interrogations procèdent par mots ou listes de mots.

    4. Les utilisations du corpus

    47Les corpus de langue parlée sont actuellement très sollicités. Le corpus du GARS avait surtout été demandé, dans les années récentes, pour servir de base de comparaison pour d’autres études : étude sur l’acquisition de la langue par de jeunes enfants, études de maladies aphasiques, comparaison avec le français parlé hors de France, etc. Il avait été également très sollicité à titre de documentation pour l’enseignement du français hors de France.

    48Aux informaticiens, il propose une série de défis. Il s’agit de savoir dans quelle mesure les outillages mis au point pour l’analyse des productions écrites pourront s’appliquer à des productions orales transcrites comme elles le sont dans le corpus du GARS. Dans ce domaine, la recherche ne fait que commencer.

    49Dans la perspective grammaticale, l’apport d’un grand corpus de langue parlée est devenu, nous semble-t-il, une source de données indispensables. Ces données, permettant de renouveler les analyses distributionnelles, donnent des informations originales sur les relations entre le lexique et la grammaire de la langue. Elles fournissent aussi quantité de pistes de réflexion pour comparer les capacités linguistiques qui se révèlent dans la langue parlée avec celles qu’on est habitué à considérer dans la langue écrite.

    [Claire Blanche-Benveniste]

    Corpus de référence du portugais contemporain

    50Le noyau central du Corpus de Référence du Portugais Contemporain (CRPC) a été constitué par le corpus oral recueilli pendant les années 70 pour l’établissement du Portugais Fondamental (sur le modèle du Français Fondamental). En 1987, année où ont été publiés les volumes contenant les documents et la description des méthodes suivies dans le projet Portugais Fondamental, et où le corpus oral commençait à être utilisé pour l’analyse syntaxique (selon les principes théoriques et méthodologiques du Groupe Aixois de Recherches en Syntaxe - GARS), nous avons conçu la constitution d’un grand corpus de langue portugaise orale et écrite, corpus dont la dimension est aujourd’hui de plus de 80 millions de mots.

    51Dans le dessin initial du corpus et en ce qui concernait sa dimension, nous avons proposé que le corpus serait le plus grand possible, c’est-à-dire, nous l’avons envisagé comme un corpus ouvert, continuellement actualisé.

    52Du point de vue des proportions entre les textes, nous avons proposé que les transcriptions de l’oral n’auraient ni moins de 500 mots· ni plus de 1 000 mots chacune (chaque échantillon du Portugais Fondamental avait 500 mots). En ce qui concerne l’écrit, nous n’avons pas limité la dimension des textes. Nous avons, en tout cas, décidé que le corpus ne serait pas un corpus textuel (en ce sens qu’il n’aurait pas forcément des textes complets) mais qu’il serait un corpus de référence (en ce sens qu’il aurait des échantillons de chaque œuvre ou document représenté). L’idée était d’inclure 30 à 40 pour cent de chaque ouvrage : il nous semblait en effet plus prudent de ne pas informatiser les textes complets, étant donné l’absence de législation sur les corpora qui puisse protéger soit les auteurs de textes, soit les auteurs de corpora.

    53Nous avons établi, pour chaque type de texte, des critères de sélection des échantillons. Par exemple, pour les échantillons des œuvres littéraires on a toujours sélectionné des parties complètes (chapitre, poème, etc.) du début, du milieu et de la fin de l’œuvre. Dans les livres didactiques, nous avons surtout écarté les tableaux, les schémas, les exercices.

    54En ce qui concerne le contenu, nos critères tenaient compte de quelques objectifs essentiels. Tout d’abord, les fonctions du corpus devaient être multiples et, donc, servir une grande variété d’utilisateurs ; il devait pouvoir représenter le portugais contemporain « moyen », c’est-à-dire, où les styles particuliers seraient estompés. Il devait donc être non seulement très grand, mais aussi le plus diversifié possible, avec une représentation significative du langage plus courant (l’oral informel, les écrits informatifs, les ouvrages de divulgation). Il serait, ainsi, un corpus utile pour les auteurs d’ouvrages de référence (dictionnaires, grammaires, manuels) et pour un assez grand nombre d’études. Mais, d’autre part, il devait pouvoir servir à l’extraction d’information sur les langues de spécialité et donc, il devait contenir des sous-corpora spécialisés (techniques, scientifiques, etc.) de dimensions significatives.

    55Ce corpus devait aussi permettre des études contrastives entre les variétés nationales et régionales du portugais, c’est-à-dire, du Brésil, des cinq pays de l’Afrique lusophone et de quelques régions asiatiques comme Macau, Goa ou Timor-Leste. On avait aussi prévu que les textes devaient avoir été originellement écrits en portugais et devaient être datés du XXe siècle.

    56Les supports seraient : les livres, les périodiques, des documents publiés ou pas, des lettres, des dépliants et les transcriptions de l’oral.

    57Pour le genre, on a simplement prévu pour l’écrit une distinction entre textes de fiction (romans, narrations, poésie, ·etc.) et textes informatifs. Nous avons donc utilisé, dans la sélection des échantillons, des critères externes. Même l’idée de diversification que nous avons introduite est associée à une notion qui est, dans les typologies textuelles de corpora, très controversée, quoiqu'assez utilisée : je parle de la notion de thème (ou topique). Nous n’avons pas établi une liste limitée de thèmes, mais nous avons prévu pour l’oral et pour l’écrit, en général, une grande diversification (de la politique aux arts, de l’agriculture à l’économie, de l’informatique à la mode), sans aucune restriction. La liste de thèmes est donc ouverte et nous essayerons d’assurer la présence des thèmes les plus communs.

    58Les textes sont bien identifiés ; des informations codifiées sur les documents rendent compte des références bibliographiques, des sources primaires utilisées, de la responsabilité éditoriale et, dans le cas du corpus oral, des responsables de la transcription. II y a aussi des renseignements sur le format électronique et sur l’état du document, en ce qui concerne son utilisation (s’il a été codifié, vérifié, etc.). Pour ce qui est de la représentation logique du texte, nous avons commencé par établir nos propres normes pour le traitement informatique : notations spécifiques pour chaque classe d’information comme, par exemple, les italiques, les gras, les citations, etc.

    59Nous avons, pourtant, modifié plusieurs aspects au cours de ces dernières années : aussi bien le dessin initial du corpus, que les décisions prises à propos de la chronologie, des pourcentages, de la représentation logique du texte. D’une part, la pratique nous a prouvé que quelques-unes étaient infaisables, d’autre part, l’extraordinaire développement de la linguistique de corpus et la création de plusieurs projets internationaux ont permis aux auteurs de corpus qui, comme nous, pendant les années 70 et 80 étaient assez isolés, d’avoir accès à beaucoup d’informations données par les auteurs plus expérimentés. II faut dire que l’idée d’une harmonisation, ou même d’une normalisation de critères de constitution et de traitement informatique de corpora, tout en préservant un assez grand degré de liberté, s’est répandue pendant les dernières années, ce qui, entre d’autres bénéfices, va rendre possible la réalisation d’études contrastives et l’utilisation d’outils d’analyse communs, et assez sophistiqués.

    60J’ai signalé que quelques-unes de nos décisions du début n’étaient pas réalisables, et cela mérite une explication. Tout d’abord, il faut dire que faire un corpus électronique de grandes dimensions est un projet extrêmement coûteux qui demande des équipes interdisciplinaires de linguistes et d’informaticiens à plein temps et qui exige aussi, beaucoup de temps pour l’organisation (négociation avec les fournisseurs de données, rédaction de contrats, etc.). Et je ne parle que de la constitution du corpus, de son organisation et classification et de la construction des outils informatiques indispensables aux exploitations courantes. Je ne parle pas de l’exploitation elle-même.

    61Nous avons vite compris que c’était un peu illusoire de croire qu’on pourrait satisfaire tous les utilisateurs. Il y a, chaque fois, une demande imprévue et même tout à fait inespérée. Pour commencer, nous avons été obligés de changer la datation du corpus. Le Dictionnaire de l’Académie des Sciences de Lisbonne a été notre premier utilisateur pour ses citations et pour la validation de sa nomenclature. Or la direction de ce dictionnaire avait prévu l’inclusion d’auteurs de la 2e partie du XIXe siècle et, pour répondre à cette exigence, nous avons introduit des œuvres littéraires portugaises et brésiliennes de cette période. D’autre part, quand les utilisateurs prétendent réaliser des études contrastives, ils demandent des sous-corpora que nous ne possédons pas ou qui n’obéissent pas aux caractéristiques de taille, de format, etc., envisagées.

    62Mais c’est surtout la difficulté d’obtenir les données d’après le dessin initial, les coûts de l’informatisation manuelle ou semi-automatique, aussi bien que ceux de la conversion, qui nous a fait adopter un autre schéma. Actuellement, nous avons établi un réseau de fournisseurs de données électroniques (des institutions publiques et privées qui ont accepté de nous fournir des documents électroniques). Nous acceptons tout ce qu’ils nous donnent et nous constituons un grand corpus général. Si, par exemple, les directeurs de journaux nous autorisent à copier via internet des numéraux complets, nous les gardons. Si quelques éditeurs de livres littéraires ou· techniques nous offrent les ouvrages complets, nous les introduisons tels quels dans le corpus. Après, pour l’exploitation, et selon les objectifs de chaque projet de recherche, nous dessinons un corpus qui est à chaque fois extrait du grand corpus général. Par exemple, pour notre Dictionnaire des Combinatoires du Portugais nous avons extrait un corpus oral et écrit de près de 13 millions de mots. Il y a actuellement des étudiants et des professeurs qui mènent aussi des recherches sur les associations lexicales et qui utilisent notre programme ; mais ils se proposent de l’utiliser sur des corpora de spécialité, par exemple, juridique ou politique, que nous constituons à partir du corpus général pour qu’ils puissent les comparer avec le dictionnaire de combinatoires.

    63Il faut signaler également que notre participation aux projets européen (NERC, PPPAROLE et LE-PAROLE) a été assez fructueuse pour nous. En ce qui concerne la représentation textuelle, l’utilisation du SGML a montré combien notre représentation était faible et comment ce standard international simple et formellement assez rigoureux permet une caractérisation et représentation plus exhaustive des documents ; de même, son association à des outils informatiques internationaux adéquats va permettre un très grand nombre d’applications.

    64Pour le moment, nous regrettons de ne pas avoir les moyens d’agrandir le corpus oral qui est resté très petit ; le recueil des données, le travail de transcription et d’édition et le traitement automatique de ce genre de corpus est vraiment très onéreux. Nous avons, en tout cas, une partie de ce corpus sur CD-ROM, ce qui peut rendre service à beaucoup d’utilisateurs. En ce qui concerne l’organisation des données, en général, nous regrettons de ne pas avoir les moyens financiers pour soutenir des équipes qui pourraient étudier et concrétiser certaines propositions qui ont été faites pour la classification des textes selon des critères internes, c’est-à-dire, des critères linguistiques. Je pense, en particulier, aux propositions de Halliday et Martin, des analyses factorielles de Biber et Finegan, ou aux propositions de J. Sinclair. D’après ce dernier auteur, une classification rigoureuse devrait tenir compte d’une combinaison équilibrée des deux types de critères, les externes et les internes, qui se reflètent mutuellement. Pour nous, c’est un projet utopique, tout au moins dans un court délai. Je crois, par exemple, que les auteurs du corpus du GARS, qui ajustement été analysé au fur et à mesure qu’il était constitué, sont très bien placés pour montrer quels seront les phénomènes linguistiques du français parlé à observer pour la caractérisation des textes en vue d’un classement rigoureux, ayant recours aux critères linguistiques. Je pense que ce travail pourrait constituer, surtout pour les corpora oraux des langues romanes, la base d’une typologie textuelle de référence.

    [Maria Fernanda Bacelar Do Nascimento]

    English corpus resources

    65Je propose un tour d’horizon des corpus les plus importants de langue anglaise. Les informations sont en anglais, tirées des pages web qui donnent souvent accès soit au corpus lui-même soit à un échantillon représentatif10

    66L’information est organisée selon les sections suivantes :

    1. Large general English corpora

    2. Collections of corpora

    3. Specialised corpora

    4. Teaching about corpora

    5. Teaching with Corpora

    6. Corpus pages on the Web

    7. Concordancers

    1. Large general English corpora

    1.1. The British National Corpus

    67http://info.ox.ac.uk/bnc/
    The British National Corpus (BNC) is a 100 million word collection of samples of written and spoken language from a wide range of sources, designed to represent a wide cross-section of current British English, both spoken and written.

    68Availability: Copies of the corpus are now freely available within Europe for research purposes only. Details on web page.

    69BNC Online
    http://thetis.bl.uk/

    1.2. COBUILD Bank of English

    70http://titania.cobuild.collins.co.uk/boe_info.html

    71The Bank of English is a collection of samples of modem English language held on computer. On 18 June 1996 the latest release of the corpus amounted to 320 million words and it continues to grow with the constant addition of new material. This huge collection is composed of a wide range of different types of writing and speech. It contains samples of the English language from hundreds of different sources. Written texts corne from newspapers, magazines, fiction and non-fiction books, brochures, leaflets, reports, letters, and so on. The spoken word is represented by transcriptions of everyday casual conversation, radio broadcasts, meetings, interviews and discussions, etc. The material is up- to-date, with the majority of texts originating after 1990.

    72Availability: Access by subscription - f:500 per year.

    2. Collections of corpora

    2.1. ICAME

    73http:/ /www.hd.uib.no/icame.html

    74International Computer Archive of Modem and Medieval English ICAME is an international organization of linguists and information scientists working with English machine-readable texts. The aim of the organization is to collect and distribute information on English language material available for computer processing and on linguistic research completed or in progress on the material, to compile an archive of English text corpora in machine-readable form, and to make material available to research institutions.

    75The archive mentioned in the name resides at the Norwegian Computing Centre for the Humanities (NCCH) in Bergen, Norway. This acts as a distribution centre for computerized English-language corpora and corpus-related software. ICAME publishes the ICAME Journal which appears at least once a year, with articles and information about English computer corpora. There is also an electronic information service. Conferences, usually in May/June each year, have been arranged since 1979.

    76ICAME Collection of English Language Corpora (CD-ROM)

    77Contents:

    1. The Brown Corpus
      The Brown Corpus was compiled in the early 1960s at Brown University, USA. It contains 500 text samples of some 2,000 words representing 15 categories of American English texts printed in 1961.

    2. The LOB Corpus
      The Lancaster-Oslo/Bergen (LOB) Corpus was compiled in the 1970s. It is a British English counterpart of the Brown Corpus and contains 500 text samples selected from texts printed in Great Britain in 1961.

    3. The Kolhapur Corpus
      The Kolhapur Corpus is an Indian English counterpart of the Brown and LOB corpora. It contains 500 text samples selected from English texts printed in India in 1978.

    4. The London-Lund Corpus
      The London-Lund Corpus contains 100 spoken English texts of some 5,000 words collected and transcribed at the Survey of English Usage, University College London.

    5. The Helsinki Corpus of English Texts: Diachronie Part
      This corpus was compiled at the University of Helsinki, under the direction of Matti Rissanen. The corpus consists of a selection of texts covering the Old, Middle, and Early Modem English periods, totalling 1.5 million words.

    78Availability: Costs about £300 from ICAME.

    2.2. University of Lancaster annotated corpora

    79http://www.comp.lancs.ac.uk/computing/research/ucrel/corpora.html

    • The Lancaster-Leeds Treebank

    80A manually parsed subsample of the LOB corpus showing the surface phrase structure of each sentence, prepared by Professor Geoffrey Sampson. Approximately 45,000 words taken from all the genre categories of the LOB corpus. (See also the SUSANNE corpus below)

    • The Lancaster Parsed Corpus (LPC)

    81A subsample of the LOB corpus, parsed by computer and manually corrected by several researchers. Approximately 140,000 words with samples from each of the 15 categories in the LOB corpus.

    • The American Printing House for the Blind Treebank (APHB)

    82A skeleton-parsed corpus of a wide range of English texts. 200,000 words.

    • The Associated Press Treebank (AP)

    83A skeleton-parsed corpus of American newswire reports. 1,000,000 words.

    • The Canadian Hansard Treebank

    84A skeleton-parsed corpus of proceedings in the Canadian Parliament. 750,000 words.

    • The IBM Manuals Treebank

    85A skeleton-parsed corpus of computer manuals. 800,000 words.

    • The Anaphoric Treebank

    86A subsample of the AP corpus, annotated to show the reference of pronouns and lexical cohesion. Approximately 100,000 words.

    87Availability: Contact Lancaster. Some of these corpora are not publicly available.

    3. Specialised corpora

    3.1. THE SURVEY OF ENGLISH USAGE

    88http://www.ucl.ac.uk/english-usage/

    89The Survey of English Usage (SEU) is an English Language research unit, based in the Department of English Language and Literature at University College London. It houses the UK part of ICE:

    90The International Corpus of English (ICE).

    91http://www.ucl.ac.uk/english-usage/ice-gb/index.htm
    http:/ /www.cs.umb.edu/~meyer/icenews2.html

    92ICE began in 1990 with the primary aim of providing material for comparative studies of varieties of English throughout the world. Twenty centres around the world are preparing corpora of their own national or regional variety of English. For most countries the ICE project is stimulating the first systematic investigation of the national variety.

    93ICE-GB will be the first of the ICE corpora to be completed and will be available in early autumn 1998. [I assume this means for free. - RS].

    • one million words of spoken and written British English from the 1990s

    • fully tagged and parsed

    94Other countries included in ICE: Canada, USA, Caribbean, Ireland, Nigeria, Sierra Leone, Ghana, Cameroon, Kenya, Tanzania, Malawi, South Africa, India, Hong Kong, Singapore, Philippines, Australia, New Zealand, Fiji.

    3.2. The Lampeter Corpus of Early Modern English Tracts

    95http://www.tu-chemnitz.de/~ehe/real/project.htm

    96A corpus of approx. 1,000,000 words of English pamphlet literature covering the years 1640-1740. Text samples are taken from each decade within this century and several genres are represented. This corpus contains the whole text of pamphlets, rather than sub-samples.

    97Availability: Will soon be available on the Web.

    3.3. Corpus of London Teenage Language

    98http://www.hd.uib.no/colt/

    99The Bergen Corpus of London Teenage Language (COLT) is the first large English Corpus focusing on the speech of teenagers. It was collected in 1993 and consists of the spoken language of 13 to 17-yearold teenagers from different boroughs of London. The complete corpus, half a million words, has been orthographically transcribed and wordclass tagged, and is a constituent of the British National Corpus. A pilot-version consisting of 151 texts is now available on the Internet. You can search for any word, collocation of words or letter combination by means of the TACTweb software. The search program can also show the distribution of an item in relation to factors such as age, sex, socioeconomic class, location etc.

    3.4. The Corpus Of Written British Creole

    100http:/ /www.ling.lancs.ac.uk/staff/mark/ corpus.htm

    101The Corpus of Written British Creole is a collection of writing compiled with a view to including as man y texts (or relevant parts of text) as possible which meet the following conditions:

    1. that the texts have been written and/ or published in Britain

    2. that ail or part of the text is a written representation of English-lexicon Caribbean Creole (Patois/ Patwa / Nation Language)

    102Availability: Contact owner (details on the Web page) by email.

    3.5. The SUSANNE corpus

    103ftp://ota.ox.ac.uk/pub/ota/public/susanne/

    104The SUSANNE Corpus comprises an approximately 130,000-word subset of the Brown Corpus of American English, annotated in accordance with the SUSANNE scheme.

    105The SUSANNE Corpus has been created, with the sponsorship of the Economic and Social Research Council (UK), as part of the process of developing a comprehensive NLP-oriented taxonomy and annotation scheme for the (logical and surface) grammar of English. The SUSANNE scheme attempts to provide a method of representing all aspects of English grammar which are sufficiently definite to be susceptible of formal annotation, with the categories and boundaries between categories specified in sufficient detail that, ideally, two analysts independently annotating the same text and referring to the same scheme must produce the same structural analysis. The SUSANNE scheme may be likened to a « Linnaean taxonomy » of the grammatical domain: its aim (comparable to that of Linnaeus’s eighteenth-century taxonomy for the domain of botany) is not to identify categories which are theoretically optimal or which necessarily reflect the psychological organization of speakers’ linguistic competence, but simply to offer a scheme of categories and ways of applying them that make it practical for NLP researchers to register everything that occurs in real-life usage systematically and unambiguously, and for researchers at different sites to exchange empirical grammatical data without misunderstandings over local uses of analytic terminology.

    106Availability: Can be freely downloaded.

    3.6. Longman LDOCE3-NLP Database

    107http://www.awl-elt.com/dictionaries/resnlpapp.html

    108(The machine-readable NLP version of the 3rd edition of the Longman Dictionary of Contemporary English). It is based on the new (1995) edition of this successful learners’ dictionary, which was the first machine-readable dictionary to become widely available and widely used in language research.

    109It contains the following information, in CD-ROM format:

    1. The full text of LDOCE3 in SGML form

    2. Explicit frequency information on the most frequent 3000 words in written and spoken English

    3. Additional Subject Field codes or semantic codes for each of the 80,000 senses in the dictionary.

    4. Grammatical Patterns and collocational information for 500 of the most frequent verbs in English.

    5. Mutual Information statistics from the British National Corpus for the most frequent 1000 verbs.

    110Availability: Send form on web site to Longman. May be free for noncommercial purposes.

    3.7. The International Corpus of Learner English

    111http://Juppiter.fltr.ucl.ac.be/FLTR/GERM/ETAN/CECL/introduction.html

    112(ICLE), centralised in Louvain, Belgium, contains c. 2 million words of writing by learners of English from 11 different mother tongue backgrounds (Chinese, Czech, Dutch, Finnish, French-speaking, German, Japanese, Polish, Russian, Spanish, Swedish). It is the result of collaboration between a large number of universities internationally. The corpus is tagged for types of error.

    113Availability: Contact CECL as per Web page.

    3.8. The CHILDES database

    114http://sunger1.uia.ac.be/childes/

    115The Child Language Data Exchange System (CHILDES) is a computerized exchange system for language data. It was originally developed within the field of child language to foster the sharing of transcribed language data of children’s spontaneous speech. See Brian MacWhinney, The Childes Project: Tools for Analyzing Talk. New Jersey, Lawrence Erlbaum, 1991.

    116Availability: You can access the CHILDES database - « an enormous amount of child language transcript data from scores of projects in dozens of languages » - from the following web page:

    117http://psyscope.psy.cmu.edu/childes/

    4. Teaching about corpora

    4.1. Corpus linguistics course on the Web

    118http://www.ling.lancs.ac.uk/staff/andrew/data.htm

    119Corpus Linguistics by Tony McEnery and Andrew Wilson, Edinburgh: Edinburgh University Press, 1996

    120An introductory course on corpus linguistics, based on the book, is now accessible on the Web.

    121You follow the readings and examples at your own speed, and complete a computer-marked ’test’ at the end of each unit.

    4.2. Tutorial: Concordances and Corpora

    122http://www.georgetown.edu/cball/corpora/tutorial.html

    123Catherine N. Ball, Georgetown University

    5. Teaching with Corpora

    124Tim Johns Data-driven Learning Page

    125http://sun1.bham.ac.uk/johnstf/timconc.htm

    6. Corpus pages on the Web

    6.1. English Language Corpora and Corpus resources

    126http://info.ox.ac.uk/bndcorpora.html

    6.2. Michael Barlow’s Corpus Linguistics page

    127http://www.ruf.rice.edu/~barlow/corpus.html

    7. Concordancers

    7 .1. MonoConc

    128http://www.ruf.rice.edu/~barlow/mono.html

    129MonoConc is a concordance program (in different formats) designed for corpus-based language research. It is available for download here and for a demo of the Windows concordancer (costs US $ 89), you can link to the Athelstan site: http://www.athel.com

    7.2. Wordsmith Tools

    130http://www.liv.ac.uk/~ms2928/homepage.html

    131Wordlist: The Wordlist tool generates word lists in alphabetical and frequency order, enabling you to compare texts lexically. It also provides statistics such as total number of words, length of words, number of sentences, etc.

    132Concord: The Concord tool creates concordances (lists of words in context), finds collocates of the word, identifies common phrases, and displays a graphical map showing where the word occurs in the corpus.

    133Keywords: The Keywords tool identifies key words in a given text. Key words are those whose frequency is unusually high in comparison with other (more general) texts. This enables you to characterize a text or genre. It displays a graphical map showing where each key word occurs in the corpus.

    134Splitter: The Splitter tool splits large files into man y smaller ones.

    135Text Converter: The Text Converter tool converts text in a number of files. It is particularly useful when going through and re-formatting large numbers of texts, for example taking out unnecessary spaces and changing accented characters, etc.

    136Dual Text Aligner: The Dual Text Aligner tool aligns sentences in two files, allowing you to carry out sentence by sentence comparison of texts.

    137Availability: Demo can be downloaded from web page. Full version can be ordered via web page. Cost: 61.04 pounds sterling (incl UK VAT) for single user; 308.91 pounds sterling (incl UK VAT) for site licence.

    [Raphael Salkie]

    Planteamientos de partida en la elaboración de un corpus de lengua hablada en la ciudad de Málaga

    138Hace ahora casi una década que en la Universidad de Málaga se empezó a elaborar un corpus de lengua oral que pretende ser representativo de la modalidad lingüística del español hablado en esa ciudad del sur de España. En la actualidad, la base de datos del Proyecto de Investigación de las Variedades Urbanas Malagueñas (Proyecto V.U.M.) está formada por más de 2 millones de palabras debidamente etiquetadas y marcadas, para lo cual se ha utilizado el Standard Generalized Markup Language (SGML) adaptando las convenciones de la Text Encoding Initiative (Normas TEi). No obstante, hasta llegar al estadio actual, e han culminado una serie de etapas previas imprescindibles y comunes en el proceso de elaboración de córpora orales. En esta intervención quiero dar cuenta, precisamente, de esas fases precedentes y lo haré de manera práctica utilizando muestras de la base de datos original 11

    139No obstante, para entender plenamente el sentido de mi intervención, debo hacer referencia, aunque sea brevemente, a una serie de detalles imprescindibles. A ello dedicaré el siguiente apartado.

    1. Cuestiones previas

    140La mayor parte de los textos considerados provienen de grabaciones realizadas a sujetos siguiendo un guión conversacional preestablecido. Para lograr alcanzar niveles aceptables de realismo lingüístico, el trabajo de campo se realizó según lo usual en el conjunto de investigaciones etnograficolingüísticas que siguen una metodología socio reticular de acceso al objeto de estudio12. Para ello, un grupo de investigadores se encargó del anclaje de redes en los barrios más representativos de la ciudad y posteriormente se apostó por la observación participante, de manera que el investigador de campo era, a la vez, parte integrante de la red de estudio13.

    141Otro importante conjunto de datos procede de grabaciones inadvertidas, tanto de conversaciones cara a cara como de situaciones de habla a distancia - conversaciones telefónicas. Para completar el panorama de lo que entendemos por oral se hizo necesario recurrir a grabaciones de programas de radio y televisión - debates, consultas, informativos, opinión - así como a discursos unidireccionales en los que incluso exista un guión escrito, ya que la gama de la oralidad recoge, según nuestro criterio, toda aquella modalidad lingüística cuyo medio de transmisión sea el canal fónicoauditivo 14.

    142No obstante, en esta ocasión sólo haré referencia a los problemas de recogida del material cuyo origen eran las situaciones bidireccionales cara a cara semidirigidas, es decir, aquel obtenido mediante el guión conversacional citado más arriba15.

    143Toda la fase de recogida del material debía realizarse sin perder de vista dos requisitos imprescindibles: en primer lugar, los datos almacenados debían ser reutilizables en di versas investigaciones, por lo cual la versatilidad y funcionalidad de los textos almacenados era condición fundamental en el diseño del corpus.

    144En segundo lugar, nuestra base de datos debía permitir el intercambio con otras codificadas según los mismos criterios seguidos por nosotros, es decir, asumiendo las recomendaciones TEI.

    2. Algunos problemas básicos de la recolección del material hablado

    145La teoría nos advierte de los problemas que supone la recogida del material hablado, sin embargo, no es hasta el momento en que nos enfrentamos a la situación concreta cuando nos hacemos una idea de la verdadera dimensión de tales dificultades. En realidad, los inconvenientes surgen desde el preciso instante en que decidimos registrar el material. Para empezar, hemos de tomar la decisión de elegir el soporte sobre el que realizar las grabaciones. La tecnología pone a nuestra disposición una amplia gama de posibilidades en este sentido, pero si lo que nos interesa es el registro del material sonoro, el panorama puede simplificarse y, de manera general, nuestra elección se decantará bien por un soporte digital o por un soporte analógico. El primero tiene la ventaja principal de las posibilidades posteriores que ofrece de investigación, así como de la calidad del sonido que registra. Sin embargo, esta última característica puede, en determinadas ocasiones, convertirse en un inconveniente si el entorno en el que se realizó la grabación no es el idóneo debido a ruidos o a otras circunstancias que dificulten la audición, ya que la grabación digital registra con la misma nitidez tanto la conversación en sí como los sonidos ajenos a ella, con lo que la transliteración del material puede resultar, cuando menos, complicada.

    <fichero =VUM\TRANS\BENAL\ANARO.RUR>
    <004><estereofónica><duración =45’>
    <idioma =español>
    <texto =oral>
    <corpus = VUM>
    <red =Benalauría>
    <LINADV004.WORD97>
    <1992>
    <fuente =conversación en la terraza de una cafetería al aire libre>
    <localización =Benalauría>
    <A =mujer, ama de casa, sin estudios>
    <B =mujer, investigadora, estudios superiores>
    <origen =A =B =Benalauría>
    <roles =A =B =familia>
    [ ... ]

    A. me dijo <ruido =cucharillas de café> <ininteligible> <ruido = motor de camión> <ininteligible>.
    B. <ruido =motor de camión> <ininteligible> eso / pero si <ruido =ladridos de perros> <ininteligible>.
    A. <ruido =carcajadas provenientes de otra mesa> <ininteligible> lo que pasa / ¡ qué hijo de puta ! / cuando viene aquí <ruido =motor de motocicleta> <ininteligible> <ruido =ladridos de perros> <ininteligible> <ruido =habla mientras se suena los mocos de la nariz> <ininteligible>
    B. i vaya si eres puerco ¬ tío ! / ¡ vete <ruido =carcajadas> <ininteligible> por culo ! <ruido =motor de camión> <ininteligible>.
    A.- <ruido =sirenas> <ininteligible>
    [ ... ]

    146Corno vemos, hay determinadas situaciones en las que el contexto requiere una mayor preponderancia de la conversación en sí que del sonido ambiente con lo que es interesante elegir el medio de grabación más adecuado en cada ocasión.

    147Otros problemas pueden surgir por la falta de competencia en los investigadores debido a su falta de pericia al ajustarse a los guiones diseñados para la tarea o, viceversa, por una excesiva sujeción a ellos de modo que se desaprovechan determinadas situaciones que se suelen presentar a lo largo de casi todas las entrevistas, en las que los sujetos informantes pierden momentáneamente la conciencia de estar siendo objeto de estudio y se olvidan del rol que se les supone. Se trata, en definitiva, de los inconvenientes que acarrea el principio de dialecto subordinado, bien conocidos en la metodología de campo sociolingüística y etnográfica16. La estructura propia de la entrevista de laboratorio o de las semiformales empleadas comúnmente en las perspectivas experimentales y evaluativas (psicolingüística; ciertas investigaciones socio y geograficolingüísticas, etc.) constituye una situación de observación desigual y desequilibrada cuyo efecto se parece mucho a un artefacto, o, al menos, es uno de sus peligros17.

    <fichero =VUM\TRANS\CAPU\MANUEL.CAP>
    <002><estereofónica><duración =3’>
    <idioma =español>
    <texto =oral>
    <corpus =VUM>
    <red =Capuchinos>
    <ANTCONV004. WORD97>
    <1993>
    <fuente =entorno familiar>
    <localización =Málaga>
    <A =mujer, investigadora, estudios medios>
    <M =hombre, profesor, estudios superiores>
    <origen =C =M =Málaga>
    <roles =C =M =conocidos>

    C. ¿ cuál es su nombre ?
    M. me llamo <nombre propio> Pedro Martínez </nombre propio> pero nadie me llama así.
    C. ¿ de dónde es usted ?
    M. yo no tengo origen -, soy de to<(d)><(o)>s sitios y de ninguno / ¡ tengo tanto que contar !
    C. ¿ qué edad tiene ?
    M. casi sesenta años.
    C. ¿ está usted casado ?
    M. ¿ qué si estoy casado ? / i por seis veces! // si quieres te cuento la historia de mis matrimonios / ahí podemos tirarnos un día entero hablando.
    C. no ¬ da igual / a ver/ a ver ¬ ¿ tiene hijos?
    M. i imagínate! ¬ con cada mujer unos pocos.
    C. ¿ y amigos ?
    M. en cada ciudad por las que he pasado he dejado un puña <(d)>o de amistades / ¡ como he viaja<(d)>o tanto /no ¬, si yo puedo escribir un libro.
    C .- bueno vamos a dejarlo ya.

    148En relación con el punto anterior, los problemas derivados de la paradoja del observador, es decir los provenientes del hecho de que un investigador cuya misión es obtener un cierto tipo de información del comportamiento lingüístico cotidiano de los hablantes pueda acceder a esa información a pesar de su condición 18

    <ficher<> = VUM\TRANS\CAPU\JUAN.CAP>
    <001><estereofónica><duración =40’>
    <idioma =español>
    <texto =oral>
    <corpus = VUM>
    <red =Capuchinos>
    <ANTCONV00l. WORD97>
    <1992>
    <fuente =entorno familiar>
    <localización =Málaga>
    <A =hombre, investigador, estudios superiores>
    <V =mujer, ama de casa, sin estudios>
    <origen =A = V =Málaga>
    <roles =A = V =familia>

    A. bueno ¬ vamos a empezar / aquí se trata de que hables como si tal cosa ¿ eh ? / como hablamos todos los días ¬ vamos.
    V. si ¬ pero es que todos los días hablamos y tú no me grabas.
    A. bueno ¬ pero eso no importa mujer.
    V. no te importara a ti ¬ pero a mí me da corte.
    A. si quieres escondo la grabadora.
    V. ¡ qué va ! / de to<(d)>as maneras sabría que me estás grabando.
    A. bueno / si vas a estar incómoda lo dejamos ¿ eh ?
    V. no ¬ venga ¬ empieza.
    A. no pero si aquí no se trata de empezar ¬ sino de hablar y ya estamos hablando.
    V. ¡ oye / vamos a dejarlo ¿ eh ? ! / es que esto es una tontería / ¿ qué quieres / que te diga cómo me llamo y cuantos hijos tengo ? / ¡ pero si tú eres mi hijo ! ¿ qué quieres que te diga ?
    A. bueno ¬ lo dejamos y lo intentamos otro día ¿ vale ?
    V. lo que tienes que hacer es grabarme sin que yo lo sepa y ya está / porque es que si no ¬ es que no sé qué decirte ¬ de verdad.
    A. ¡ vale vale !

    3. El reflejo de la recogida del material en las aplicaciones futuras

    149La importancia de una buena planificación en la fase de recogida del material se hace evidente cuando llevamos a cabo la explotación de la base de datas. Cualquier sesgo o insuficiencia en esta primera fase se reflejará de manera automática cuando acometamos cualquier aplicación del corpus. Rasta tal punto es relevante un adecuado diseño de la base de datos - incluyendo en este sentido la selección de los informantes, de los textos y de las situaciones comunicativas - que una posible insuficiencia en este sentido puede invalidar cualquier investigación posterior que se realice sobre la base de datos. Por tanto, la primera fase del trabajo debe realizarse con especial atención y cuidado, sin perder nunca de vista el material que buscamos, reflejo ultimo de las pretensiones de nuestra investigación.

    150Para ilustrar lo que digo recurriré a una de las aplicaciones que se han efectuado sobre la base de datos informatizada del Proyecto VUM. Concretamente, se trata de un listado de la frecuencia de aparición del léxico incluido en los textos. Para ello, se realizó una detallada marcación morfológica de todas las palabras que incluía un análisis gramatical de cada forma junte a su función sintáctica y paralingüística. Los resultados, una vez computadas todas las palabras, no dejaron de sorprendemos, aunque algunas causas hay que buscarlas, como veremos, en las circunstancias de recogida de material.

    151En primer lugar, el sustantivo más utilizado en nuestros textos fue año seguido de casa. Lógicamente estés resultados son del todo valides siempre que tengamos en cuenta algunas características de la fase de recogida del material. Corno se ha dicho más arriba, la mayor parte de los textos fueron obtenidos según una entrevista que mantenía el investigador de campo con los sujetos investigados. Para llevar a cabo su tarea, el entrevistador se valía de una serie de módulos conversacionales que le servían de guía para conversar con los sujetos. El módulo de más importancia era el referido a los datos personales de los individuos en el que los encuestadores se interesaban, entre otros asuntos, por la edad de los sujetos y por su entorno familiar más próximo. Veamos algunos ejemplos:

    A. ¿ cuántos años tiene ?
    B. yo nací en el año treinta y dos / tengo sesenta años.
    A. ¿ y usted ?
    C. yo nací en el año treinta ¬ así que tengo sesenta y dos años.
    A. ¿ y han vivido siempre en esta casa ?
    C. i qué va ! / hemos estado en seis o siete casas.
    B. esta casa la compré yo hace trece años.
    [...]
    L. ¿ cuántos años tienes ?
    P. ¿ pa<(r)><(a)> qué quieres saber tú los años que yo tengo ?
    L. ¡ mujer / ¿ no me quieres decir los años que tienes ? !
    P. no ¬ sí / pero es que la edad no se le debe preguntar a una señorita // bueno tengo veintisiete años.
    […]
    J. bueno / vamos a empezar la entrevista / ¿ cuántos años tenéis ? Ax.- yo tengo diecinueve años.
    R. y yo tengo veinte.
    J. veinte años / mu<(y)> bien / ¿ dónde vivís ?
    R. yo en la casa de mis padres todavfa-, pero si empiezo a trabajar me quiero alquilar algo.
    J. ¿ por qué ? / ¿ no estás bien en casa de tus padres ?
    R. sí ¬ sí ¬ en mi casa estoy bien pero yo es que soy mu<(y)> independiente y mi ilusión es tener casa propia.
    [...]
    L. bueno / yo tendría que preguntaros la edad / ¿ ves ? / aquí pone <metalingüístico =leyendo> edad ¬ años </metalingüístico = leyendo> / así que ¿ cuántos años tienes tú ?
    P. yo tengo veintidós años.
    L. ¿ y usted ? / l cuantos años tiene usted ?
    [ ... ]

    152En otras ocasiones, incluso el entorno en el que se realiza la recogida del material puede condicionar los resultados finales, de manera que es fácil que la frecuencia de términos como goma, lápiz, pizarra, maestro, libro o sacapuntas sea muy alta en el ámbito de la escuela19.

    153En nuestros textos, resultaron tener-una alta frecuencia de utilización verbos como trabajar o llamar y la razón posiblemente sea la esgrimida antes:

    L. ¿ cómo te llamas ?
    [...]
    P. trabajo en un taller.
    [ ... ]
    A. me llamo <nombre propio> Antonio </nombre propio>
    [...]
    J. no/ no trabajo / yo estudio.
    [...]
    R. decidme vuestros nombres.
    I. yo me llamo <nombre propio> Isa </nombre propio>.
    N. yo me llamo <nombre propio> Natalia </nombre propio>.
    M. y yo me llamo <nombre propio> Maite </nombre propio>.

    154En definitiva, la interpretación de los resultados deberá tener siempre en cuenta el reflejo que en todos los casos proyectará la fase de recogida de material sobre cualquier aplicación futura. De esta manera, evitaremos falsas lecturas y conclusiones equivocadas. El hecho de trabajar con material hablado espontáneo obtenido de situaciones informales nos ha acarreado otra serie de inconvenientes a la hora de la consideración de ciertos términos. Por ejemplo, es frecuente en nuestro corpus encontrar formas como las siguientes:

    K. no sé si me explico / pos yo hago lo que me da la gana porque -, estaríamos buenos / ¡ pos claro ! / si es eso / i pos claro que si !
    [...]
    L. yo iba con mi padre ¿ no ? un poner ¬ al campo a recoger patatas / pos entonces / un poner ¬ me decía mi padre <estilo directo> niño coge patatas <estilo directo> y un poner / allí no había trabajo pa<(r)><(a)> los dos/ pos yo me ponía debajo de un olivo y allí me echaba yo mi siesta.
    [...]
    A. en mi casa <sic> habemos tres ahora pero <sic> habemos habi<(d)>o hasta trece personas viviendo en el mismo techo / <sic> habemos habi<(d)>o hasta trece en mi casa
    [ ... ]
    J. cuando nos <sic> casemos ella ya iba preña<(d)><(a)> de tres meses / mire usted nosotros nos <sic> casemos el ocho de abril y el niño nació a finales de septiembre ¡ claro ! / nos <sic> casemos de rebote.

    155En los dos primeros casos, es decir, al considerar las formas lexicalizadas de pos y un poner, nuestra opción se decantó por considerarla como tales, es decir, formas lo suficientemente usadas y extendidas en el habla coloquial como para observarlas como elementos autosuficientes por si solos y como tales no necesitan marcas que aclaren su empleo.

    156En los dos casos siguientes, las formas habemos y casemos se refieren a dos realizaciones lo suficientemente alejadas de la norma estándar y relacionables con ciertas variables sociolingüísticas que fueron marcadas con <sic>. El primer caso es una forma de difícil consideración, pues el hablante pudo haberla utilizado con sentido de vivir, estar, haber, etc. El caso de casemos es más identificable con una transgresión de la norma en el sentido del uso del presente de subjuntivo por pretérito perfecto.

    157Haré referencia por último a una serie de problemas que encontramos al analizar el material que manejamos referidos a la estructura prosódica característica de la lengua hablada. Por tanto, se trata de dificultades exclusivas de este tipo de material que no se encuentran en lengua escrita, por lo que su exposición parece de interés.

    158Corno es sabido, la estructura prosódica de la comunicación oral resulta de importancia capital en el análisis gramatical de los textos. Para comprender en su totalidad la gramática de los textos hablados hay que considerar el peso que la prosodia tiene en la construcción y transmisión del sentido. De hecho, existen muchos enunciado en nuestro corpus cuya interpretación gramatical depende del conocimiento de la estructura prosódica antes que de la secuencia sintagmática concreta: aspectos melódicos, acentuales o rítmicos que utiliza el hablante y que deben ser tenidos en cuenta en la correcta y adecuada segmentación e interpretación de los enunciados. A veces, incluso, la información prosódica es el único medio que poseemos para delimitar los constituyentes internos de ciertos enunciados:

    A. mira bien.

    159En este turno tenemos la ocurrencia mira que podría recibir al menos dos etiquetados gramaticales según la estructura prosódica del enunciado. La primera interpretación considerara mira como un verbo en tercera persona de singular del presente de indicativo o como una forma imperativa también del lema mirar. En este caso, la estructura prosódica debería estar compuesta por un único grupo tonal con una entonación constante-ascendente sobre la última silaba tónica del enunciado que funcionaría como acento de la frase:

    //mira biÉN//20.

    160La segunda interpretación, que es la correcta en nuestro caso, considera mira como una interjección previa e introductoria de una frase que podría ser todo va bien, todo salió bien ... En este caso tenemos una ruptura entonativa entre mira y bien que divide en dos los acentos del enunciado, el primero sobre mira y el segundo sobre bien con una entonación descendente-ascendente:

    //MIra // biÉN//.

    161En el caso de la marcación que hemos utilizado en nuestro corpus, esta ambigüedad queda resuelta sin necesidad de recurrir a las grabaciones originarias al utilizar los signos pertinentes para interpretar la frase21 :

    A. mira ¬ bien.

    162Además, en muchas ocasiones el contexto ayuda a desambiguar también el sentido correcto del enunciado:

    A.- mira ¬ bien.
    C.- si yo lo sabía que ahí no había peligro.

    163Sin embargo, el conocimiento de estas características prosódicas puede mostrarse incluso más necesario en los casos en que la secuencia sintagmática presente una quiebra sintáctica imprevista. No pensemos, por otra parte, que esta posibilidad es remota al tratar con textos de las características propias de la lengua hablada. Antes al contrario, podemos considerar que esta es una característica propia de los textos hablados. Dicho rasgo, según la terminología de De Mauro, «interfiere» con el análisis gramatical por cuanto no siempre facilita el etiquetado de determinados fragmentos22 :

    A. he esta<(d)>o andando por el parque que yo voy con vosotros

    164El enunciado anterior puede tener otras dos lecturas que de nuevo corresponden a dos estructuras prosódicas diversas:

    1) //he esta<(d)>o andando por el parque que yo voy con vosotros//
    2) //he esta<(d)>o andando por el parque// que yo voy con vosotros//

    165En el primer caso, el ritmo prosódico es lineal y que se refiere a el parque, pues funciona como pronombre relativo invariable según el conocido uso vulgar (al que), e introduce una subordinada relativa. Sin embargo, en el ejemplo 2, tenemos un cambio repentino de intenciones: el hablante interrumpe de improviso la construcción sintáctica 1ógica e inicia una nueva frase con el que como conjunción que nada tiene que ver con la precedente. Corno vemos, sin la información prosódica no hay manera de decidir cuál de las dos interpretaciones es la correcta (2):

    A. he esta<(d)>o andando por el parque <suspensión voluntaria> ... que yo voy con vosotros

    166Los ejemplos podrían multiplicarse sin límite. Hay casos incluso en que palabras de contenido pueden pasar a ser meramente gramaticales y viceversa como en el ejemplo siguiente:

    167A.- coño sí sé lo que es
    Este enunciado, así, sin marcas de ninguna clase, vuelve a tener do interpretaciones:

    1. 1/CÓño si sé Lo que ÉS//
    2. 1/CÓño//SÍ sé lo que ÉS//

    168En el primer caso la palabra en negrita se considera sustantivo. En el segundo, la presencia de un nuevo grupo tonal y la entonación ascendente descendente de la susodicha palabra, que rompe la linealidad anterior, la convierten en un elemento autónomo independiente del sintagma posterior, lo cual nos habilita para etiquetarla como una interjección.

    [Antonio Manuel Ávila Muñoz]

    Le corpus LABLITA

    1. Corpus italien de langue parlée

    169L’unique grand corpus de langue italienne parlée, actuellement publié en Italie (seulement sur support magnétique et sans son), est le corpus du LIP (De Mauro et alii 1993), 50 heures de langue parlée à Milan, Rome, Florence et Naples (voir Voghera, 1996). Il existe également plusieurs corpus personnels, d’auteurs ayant constitué la base des données pour leurs études sur l’italien parlé, qui ont été publiés au cours de ces 20 dernières années (voir Stammerjohann, 1970 ; Poggi Salani, 1977 ; Bianconi, 1980 ; Somicola, 1981 ; Cresti, 1987 ; Berruto, 1990 ; Bazzanella, 1994 ; Berretta, 1994 ; L. Giannelli, 1994 ; Orletti, 1994 ; Voghera, 1992 ; Pontecorvo et Duranti, 1996). Mais les textes oraux qui les composent ne sont pas publiés (à l’exception de quelques morceaux de textes particuliers) et leur étendue peut être calculée selon les références des travaux cités (Voir aussi Mara et les références dans Koch e Osterreicher, 1990 et Beretta, 1994)23. Il y a en plus le cas de quelques thèses de doctorat, qui ajoutent en annexes leurs corpus, nous connaissons celles de Voghera (1990) et de Caputo (1996).

    170Actuellement, nombreuses sont les initiatives pour constituer des corpus sur la langue parlée, notamment dans le cadre de projets nationaux et européens, appliqués justement à la constitution des « Ressources linguistiques nationales ». Parmi ces projets, certains ont un caractère général et primordial :

    1. Constitution d’un premier noyau de Corpus de Référence de l’italien par l’Institut de Linguistique Computationelle, Pise (Zampolli) développée dans plusieurs projets européens (EAGLES, LINGUA, PAROLE) ;

    2. Projet d’intérêt national considérable, coordonné par Bertinetto (SNS Pise, Laboratoire de phonétique) pour la formation d’une banque des données orales de l’Italien.

    171Il est possible qu’à de tels projets, correspondent des corpus de langue parlée de dimensions notables, mais à l’heure actuelle, l’étendue, les critères de constitution, et le degré d’accessibilité de ces corpus ne nous sont pas connus. À une table ronde qui s’est tenue le 20 décembre 1997 sur les corpus de langue parlée dans le cadre des journées annuelles de l’AIA à la SNS (Pise), il a été rendu publiquement note de l’existence d’importants corpus, tels que :

    1. Lexique de l’italien radiophonique (LIR), 50 heures d’échantillons de 10 émetteurs nationaux ; coordinateur national Maraschio (Florence, Accademia della Crusca).

    2. Projet CHILDES ITALIA. Corpus longitudinaux d’acquisition normale et pathologique de l’italien (Rome CNR et Département de Psychologie « La Sapienza », Pise Stella Maris, Florence LABLITA, Padoue CPRF), une partie d’entre eux sont insérés dans la banque de données internationale CHILDES (Voir Bortolini, Pizzuto 1997).

    2. Le corpus LABLITA

    172Le corpus LABLITA doit donc être vu à l’intérieur d’un cadre de développement notable des recueils de langue italienne parlée, indice de l’attention remarquable que les chercheurs italiens portent, en ce moment, à la recherche linguistique sur les corpus.

    173LABLITA a recueilli une série de corpus de langue orale, principalement tirés de séminaires universitaires (à partir de 1973) ayant pour but de former des bases de données pour l’étude et l’identification des propriétés linguistiques du parlé spontané. Les corpus de LABLITA sont au nombre de trois, homogènes en ce qui concerne leur format et leurs critères de constitution24

    1741. Trois Corpus de langue parlée spontanée adulte. 80 textes transcrits d’environ 40 heures totales, avec son archivage sur cassette DAT en ordre chronologique d’acquisition :

    1. SLIT- récolte, universitaire des années ’70, 19 textes, 7 :30’ ;

    2. GRIT- récolte ouverte, universitaire à partir de 1985, 60 textes, 28 :00 ;

    3. ELA - récolte ouverte, personnelle, d’époque diverse, 11 textes, 4 :15’ ;

    1752. Trois Corpus de l’acquisition initiale de l’italien (13-36 mois) :

    1. Corpus de Ferrara - 20 recueils longitudinaux dans une crèche, 181 textes, 52 :00 ;

    2. Corpus de Firenze - 10 recueils longitudinaux dans un domaine familial, 102 textes, 33 :00 ;

    3. Échantillonnage ouvert de récoltes transversales, 20 textes, 10 :00 ;

    1763. Corpus des médias

    1. Corpus de la langue cinématographique - transcriptions intégrales de 12 films (Corpus Rossi, Corpus Cresti), 21 :00 25 ;

    2. Échantillonnage de la langue radiophonique et de la télévision, 20 :00.

    177Les corpus de LABLITA ne sont pas publics, et ne peuvent être consultés que sur accords préalables de recherche.

    178Cependant, la publication d’un volume d’échantillonnage du corpus de la langue parlée, spontanée adulte, de LABLITA, est actuellement en phase avancée de réalisation, pour un total d’environ 6 heures26

    179Nous nous occuperons, ici, principalement du corpus de langue parlée adulte. Le corpus de LABLITA est un corpus ouvert par rapport à son extension chronologique. Les nouvelles acquisitions ne sont pas programmées de façon rigide, mais dépendent des opportunités et des disponibilités du moment. De plus, en relation avec l’intérêt pour le spontané, nous avons eu tendance à choisir, et ce au détriment d’une uniformité de la qualité acoustique, des enregistrements d’ambiance et de fond.

    180En positif, le corpus peut être décrit selon ses deux qualités principales, qui en constituent les caractères distinctifs, et dont le but est d’assurer une base de données pour l’étude du parlé spontané : a) classement sociolinguistique et sémiologique ; b) critères de transcription et d’annotation

    3. Structure et caractéristiques du corpus de langue parlée spontanée LABLITA

    181Le corpus de langue parlée spontanée est entièrement constitué de textes non programmés, cela veut dire que la programmation linguistique est simultanée à l’exécution de l’acte de parole.

    182Nous avons donc cherché le maximum de documentation directe du parlé spontané dans des contextes de réalisation particulière et selon les modalités les plus adéquates par rapport à l’univers primaire du sujet.

    183En conséquence, l’espace majeur pour récolter le corpus de LABLITA est en relation avec le domaine familial et privé (environ 30 heures).

    184Pour cela, le choix des textes et la quantité relative des différentes typologies de langue parlée du corpus est fondamentalement différente du LIP qui consacre au domaine familial et privé environ un cinquième du corpus entier (10 h) divisé en 4 différentes villes. (CFR. LIP p. 40-41).

    185Dans les études développées par LABLITA le contraste entre le parlé-parlé et le parlé lu, récité, transmis, etc. en est déduit par les confrontations faites avec les Corpus des médias de LABLITA, qui permettent des observations sur une gamme très étendue de la programmation, autrement que le corpus LIP qui met la langue des media au nombre du parlé.

    186Le corpus LABLITA n’a pas d’articulation diatopique, ce qui est un caractère important de la variation linguistique italienne (CFR. Berruto, 1987). Nous avons choisi de fournir une coupe d’ensemble de l’italien présent dans une zone particulière, Florence et sa province, en incluant aussi le parlé non florentin27, mais sans vouloir d’aucune façon représenter la variation diatopique de l’italien. Cette donnée est particulièrement importante si elle est confrontée avec les choix faits dans le LIP, où, au contraire, s’est constitué un échantillon suffisamment étendu sur le territoire capable de documenter l’uniformité du lexique italien au niveau diatopique pour ce qui concerne les variétés régionales de l’italien.

    187Ce choix ne veut pas évoquer une suprématie du florentin, qui est la langue vulgaire à avoir fourni la base structurelle de l’italien. La notion de spontané, en principe, devrait être indépendante du niveau diatopique, même si cela ne l’est pas encore complètement dans la situation linguistique italienne. Le choix du florentin, au-delà de ses motivations pratiques, a des qualités qui valent la peine d’être citées :

    1. la distance structurale très réduite entre le substrat dialectal et la langue ;

    2. une vitesse d’élocution plus grande dans les textes florentins par rapport à ceux d’autres variétés régionales ;

    3. faible conscience du code switching de la part des locuteurs dans le passage entre les usages italiens et les usages florentins ;

    4. le fait que, nonobstant le processus d’italianisation et d’uniformisation du lexique de base, l’italien n’est pas encore la langue maternelle pour beaucoup de locuteurs italiens ;

    5. le fait que seulement les formes prosodiques florentines ne sont pas marquées, par rapport à toutes les autres.

    188Nous n’avons pas essayé de créer un échantillon adapté à la confrontation de la variation diachronique, même si a posteriori, le petit corpus SLIT permet déjà quelques confrontations depuis 25 ans et comme pour chaque récolte ouverte, les confrontations diachroniques peuvent toujours être possibles. La variation diachronique est examinable indirectement à travers l’âge des locuteurs que le corpus tend à couvrir intégralement (de 18 mois à 103 ans)28.

    189À partir des critères adoptés par le GARS et que nous avons utilisés, le corpus tend à projeter de façon la plus étendue possible, au-delà de l’âge, la variation diaphasique et diastratique. La variation diastratique est évaluable en premier lieu à travers la scolarité des locuteurs. En ce qui concerne la variation diaphasique, celle-ci est évaluée en connexion des variations diastratiques, et à travers le paramètre social des métiers. Âge, scolarité et métier des locuteurs constituent les paramètres qui varient d’une façon transversale par rapport à la structuration sémiologique et sociologique du corpus.

    190Les principales variations de la langue parlée spontanée sont organisées selon trois paramètres :

    1. le nombre de locuteurs, qui détermine l’ossature de l’événement communicatif et permet la distinction des textes en monologues, dialogues et conversations ;

    2. projection sociale du contexte communicatif dans lequel les textes se réalisent. Ce dernier paramètre articule la dimension diaphasique dans les domaines sociaux, où les événements communicatifs se situent : a) domaine familial ; b) dimension privée ; c) vie publique ;

    3. parallèlement à la projection sociale, le critère principal pour notre classement des textes est de voir s’il existe ou pas une forme de régulation dans l’interaction verbale.

    191Par exemple, la prise de parole est-elle libre ou est-elle soumise à des restrictions internes à la situation communicative ? Y a-t-il des règles implicites ou explicites que les locuteurs suivent dans l’organisation de leur texte ? De telles règles sont-elles en relation avec différentes codifications ou implicites dans les situations communicatives ? Le choix de la diversité de la langue est-il codifié ou pas ? Nous distinguons, donc, si un texte est libre ou soumis à des règles.

    4. Observation du classement du corpus

    192Si on parle du classement du recueil, on voit émerger certaines données significatives, relatives au rôle anthropologique de la langue parlée, en relation au croisement des traits libres régulés avec les traits sociaux et sémiologiques.

    193De nos jours, il ne semble plus exister, du moins communément, aucune forme de régulation du parlé familial : ce qui, évidemment, n ’ a pas toujours été ainsi.

    194Il semble évident de signaler que, dans les contextes familiaux et privés, l’usage non régulé est très fréquent alors que dans le contexte public, une certaine régulation, même peu réduite, est quasiment la norme. Une telle observation met en évidence une zone limite intéressante :

    1. les usages publics qui semblent n’avoir aucune régulation ;

    2. les usages privés dont les différents rôles des locuteurs et la tendance à la structuration des rapports privés, laissent la place à certains types de régulation, qui sont cependant assez difficiles à illustrer.

    195À l’intérieur de cette zone limite peuvent se manifester plus facilement des mutations et des tendances, d’autant plus que l’expression linguistique tend à se conformer aux mutations politiques et culturelle. Parallèlement, si le monologue régulé est une des formes fréquente du parlé public, dans notre société, l’idée même d’un monologue public libre se révèle étrange, et peut aller jusqu’à être considéré comme folie (Ride Park Corner est un cas à part). Au contraire, le monologue, en privé, se vérifie et semble acceptable pour les manifestations élevées du parlé, par exemple : l’art de raconter. La même chose dans la vie publique semble ne pas avoir sa place, et survit seulement dans l’institution scolaire.

    196L’identification de la qualité des textes selon la grille précédente n’en épuise pas le classement. Elle semblerait plutôt favoriser la caractérisation des formes de classement du parlé indépendamment des niveaux sémiologiques et sociologiques, appelés genres. En fait, il semble évident que les caractéristiques de genre du parlé existent et ne se réfèrent pas à la grille en question : interrogation scolaire, information au guichet et interrogatoire à un procès sont toujours des dialogues publics régulés ; séminaire universitaire et réunion directive sont des conversations publiques régulées ; homélie et rapport d’un ministère public sont des monologues publics régulés.

    197Les diversités diaphasiques précédentes identifient les genres vrais et particuliers du parlé ; la grille de classement proposée met en évidence le fait que, en particulier au niveau des textes régulés, de telles distinctions de genre sont la conséquence directe du type de régulation.

    198En revanche, les oppositions de genre des textes non régulés, d’une manière différente, sont la conséquence du but de la verbalisation et ne sont donc pas attribués à la variation diaphasique : discussion vs bavardage ; récit vs explication ; dispute vs plaisanterie.

    199Reste le problème du rapport entre le classement des textes et la définition exacte du parlé spontané. En fait, une donnée ressort clairement de l’analyse : nous ne pouvons pas définir la spontanéité comme un caractère lié au domaine privé et familial en opposition aux textes publics ; de la même façon, la régulation des textes n’empêche pas la spontanéité.

    200Tenant compte du fait qu’aucun des textes du corpus n’est programmé, il y a aussi bien des textes non spontanés dans le domaine privé (« Répondeur téléphonique », « Frères ») qu’un grand nombre de textes spontanés régulés dans le domaine public (« Recette des impôts », « Classes », « Leçons », « Débats »). De ces données, qui seront illustrées plus grandement par Cresti et Scarano (dans ce volume), nous pouvons donc en déduire que la notion de spontané est indépendante de la caractérisation sociolinguistique et sémiologique des textes, qui, au contraire, détermine uniquement les facteurs de probabilité d’une façon banale : ainsi le spontané est plus fréquent dans le domaine privé non régulé que dans le domaine public régulé. La distinction spontané/non spontané semble la conséquence de caractères inhérents aux modalités de réalisation du texte oral de la part des locuteurs.

    5. Critères d’annotation et unité d’analyse

    5 .1. Critère illocutoire et format de transcription

    201Les corpus de LABLITA sont transcrits en format CHAT (cf. B. MacWhinney, 1997), qui s’est démontré suffisamment flexible pour les exigences des corpus parlés dont la typologie est diverse (parlé cinématographique, dialogues de l’acquisition initiale). Nous avons adapté ce format (cf. Moneglia & Cresti, 1997) pour pouvoir répondre à deux caractéristiques, qui sont en étroite relation, et qui constituent le résultat principal du travail théorique et pratique développé dans notre laboratoire :

    1. la division des répliques en énoncés ;

    2. l’observation des unités d’intonation que scandent les énoncés.

    202Du point de vue de la notation, nous pouvons dire que chaque énoncé est scandé selon les unités tonales :

    1. non terminales de l’énoncé (/) ;

    2. terminales de l’énoncé(// ? !).

    203Il en dérive donc un corpus dont la scansion intonative est systématiquement annotée ainsi que la limite entre un énoncé et un autre ; ceci sans aucune indication spécifique (à part les signes diacritiques usuels, exclamatif et interrogatif) pour ce qui concerne le mouvement prosodique (ascendante, descendante, plat, etc.).

    204Nous pourrions en déduire une conception plutôt traditionnelle de notre transcription, mais la possibilité et l’importance linguistique de ces observations dépendent des critères utilisés pour l’annotation de ce qui est énoncé et de la valeur que l’on donne à la scansion intonative. En fait, dans le corpus de LABLITA, l’énoncé est déterminé grâce à la réalisation intonative sur la base du critère illocutoire. Le critère illocutoire est un critère de perception, ce qui, à travers la reconnaissance des valeurs illocutoires de modèles prosodiques, assure la démarcation des énoncés dans le continuum phonique. Chaque expression interprétable pragmatiquement est énoncée. (voir Cresti 1994, 1996 et dans ce volume)

    5.2. L’observation de l’articulation de l’information

    205Le critère illocutoire est intéressant par lui-même, sans autres spécifications, comme méthode d’identification de l’énoncé dans les textes oraux et comme mode basique pour rendre à la transcription la valeur fonctionnelle de l’intonation, valeur qui se perd obligatoirement dans le compte-rendu écrit.

    206En réalité, la théorisation sur le parlé de Cresti permet de considérer la scansion tonale et la segmentation en énoncés comme une base pour un niveau d’analyse, et cela constitue l’annotation spécifique dans le corpus de LABLITA.

    207Nos textes parlés, outre le premier niveau d’analyse relatif à leur composition en énoncés, sont analysés et annotés en étudiant le rapport entre l’intonation des unités tonales et leur valeur fonctionnelle, spécifié dans la théorie de l’articulation de l’information (comment, topic, appendice, aide de dialogue, incise, etc.) (voir Cresti 1996).

    208La théorie de l’articulation de l’information, qui met en évidence la caractérisation de la compétence linguistique, a constitué le domaine le plus utilisé ces dernières années, mais a une conséquence importante sur les critères d’analyse des corpus et se révèle extrêmement fonctionnelle pour leur analyse linguistique.

    209Les classements syntaxique, sémantique, morphologique, de l’erreur, des phénomènes exécutifs, suivant cette méthodologie, se connectent aux modalités spécifiques de réalisation intonative du parlé, car l’intonation n’est pas seulement un trait exécutif, elle a aussi des valeurs fonctionnelles et exprime un plan de structuration.

    210La possibilité d’attribuer à chaque unité tonale une valeur fonctionnelle informative par rapport à une unité de comment, a des retombées extrêmement positives dans l’interprétation linguistique du parlé car cela réduit drastiquement le côté arbitraire du processus d’attribution de structure à la séquence linéaire du parlé ; parlé qui se révèle moins fragmenté, elliptique ou construit par juxtaposition, que ce que l’on a jusqu’à présent cru (Cresti, 1998).

    [Massimo Moneglia]

    Réflexions sur la constitution d’un corpus d’interlangue dans une communauté immigrée

    211Les remarques qui font l’objet de cet exposé reposent sur une expérience d’enquêteur puis de directeur de recherche centrée sur l’immigration espagnole en Roussillon, dans le cadre plus large de préoccupations sur le bi ou le plurilinguisme. Perpignan et ses alentours sont originellement de langue catalane mais inclus depuis plus de trois siècles (1659) dans un État de langue française. La position frontalière de la contrée a fait de l’immigration en provenance de l’État espagnol une donnée constante qui a marqué et marque aujourd’hui encore profondément l’identité culturelle et linguistique roussillonnaise.

    212Au cours du XXe siècle, l’immigration espagnole a revêtu successivement trois aspects différents : après une forme économique, largement individuelle et catalanophone, jusque dans les années trente, est survenu l’exil républicain de 1939, soudainement massif mais redistribué, surtout catalanophone, puis, des années soixante aux chocs pétroliers (jusqu’en 1976), une immigration à nouveau économique, massive mais pour la première fois castillanophone. C’est surtout sur cette dernière vague que portent les travaux qui m’occupent29.

    213L’objet de la recherche, son rapport à la discipline hispanique, au vécu éventuel des enquêteurs (souvent issus de l’immigration), l’intérêt d’une possible modélisation que présentent l’immigration et l’intégration des Espagnols30, sont bien sûr spécifiques et requièrent une approche particulière qui me paraît néanmoins extrapolable. Par ailleurs, la faible distance interlinguistique entre les langues en contact, en favorisant l’interférence, offre ici un large territoire à l’interlangue. Le corpus à traiter est à la fois, selon que la forme adoptée est rétrospective (récit de vie) ou actuelle (analyse conversationnelle), une mémoire et un témoignage de l’immigration et des marques de l’intégration. J’essaierai de montrer ici quels sont les problèmes méthodologiques qui président au recueil des données sur les pratiques linguistiques bi ou trilingues, et la plupart du temps à la vérité mixtilingue. Mes réflexions porteront successivement sur l’interlangue, sur l’échantillonnage et la collecte, puis sur la constitution du corpus lui-même.

    1. Réflexions sur le concept d ’interlangue

    1.1. L’interlangue de l’apprenant

    214L’émergence du concept d’interlangue n’est pas le fruit du hasard, puisque c’est avant tout dans les années 70 que la linguistique a tourné ses regards vers· des modalités moins nobles que la « langue » saussurienne. L’étude de l’« interlanguage » telle que nous la devons à Selinker (1972) est avant tout préoccupée de « parole » et de « contact des langues », tant dans l’usage social que dans l’apprentissage formalisé des langues étrangères. Le lien entre l’observation des phénomènes de pidginisation et de créolisation à laquelle se consacre alors (dès 1971). Dell Hymes et celle de la progression pédagogique en langue seconde, en rupture avec les méthodes traditionnelles, est manifeste31.

    215L’ouvrage publié en 1990 par l’Allemand Klaus Vogel, rendu accessible en 1995 au public francophone par sa traduction sous le titre L’interlangue. La langue de l’apprenant32 , pose (sous cette forme) comme équivalence « langue de l’apprenant » et « interlangue ». La définition qui en est donnée d’emblée : « Par interlangue, nous entendons la langue qui se forme chez un apprenant d’une langue étrangère [il est précisé en note que cette dénomination peut être remplacée par celle de langue seconde] à mesure qu’il est confronté à des éléments de la langue-cible, sans pour autant qu’elle coïncide avec cette langue cible » 33montre bien son caractère intermédiaire (entre deux langues) et évolutif (au cours de l’apprentissage).

    216Ce qui fait généralement problème, c’est précisément non pas l’écart à la norme auquel le linguiste a en permanence à faire face, mais un écart aux normes, consubstantiel de l’interlangue : nous sommes bien dans une sorte de « no man’s land » d’apparence chaotique dont il convient de repérer, de mesurer les récurrences, les modalités de constitution, en un mot l’économie interne, en dépit des apparences. De même, à l’inverse des langues naturelles, l’interlangue de l’apprenant est avant tout fonction d’une compétence individuelle se traduisant par une performance individualisée, perdant ainsi, a priori, tout caractère social, ce que ses conditions d’exercice (par des apprenants reconnus et se reconnaissant eux-mêmes comme tels) justifie pleinement.

    217Mais la principale problématique en suspens, qui est celle de la systématicité et de la variabilité de l’interlangue34, renvoie à la question sociale. Les facteurs de variabilité sont nombreux (le facteur temps, les contextes de production, l’apprenant lui-même) et régis non seulement sur des bases linguistiques, mais aussi par des ressorts d’ordre psychologique, psycho-social ou social en subtile interférence entre eux. Dans le même temps, l’extrême variabilité est contrebalancée par des éléments avérés de systématicité, qui font que, quel que soit l’individu (l’apprenant), les modalités de réussite ou d’erreur viennent à se répéter. Le précieux bilan auquel se livre Klaus Vogel dans son ouvrage est opportunément mené du point de vue linguistique et psycholinguistique. L’apprentissage d’une langue seconde met en effet en branle des mécanismes purement linguistiques en les insérant dans des schèmes comportementaux dont il ne saurait être fait abstraction. Ce que nous savons du cheminement de l’individu par réussites et erreurs, de la démarche de projet, devient capital au moment d’observer une progression dans l’apprentissage.

    218Néanmoins, la recherche, du fait même qu’elle est psycholinguistique, s’est surtout centrée sur l’individu, et il n’est du reste en aucun cas fortuit que la bibliographie de Vogel soit presque exclusivement d’origine anglo-saxonne. Je considère pour ma part que si la variabilité trouve un cadre d’étude relativement satisfaisant dans l'individu, l’analyse de la systématicité gagne à dépasser l’échelle individuelle pour s’appliquer à des groupes35. De même, les techniques modernes d’apprentissage individualisé (laboratoires de langue et autres outils multimédia) sont loin de couvrir toutes les configurations d’apprentissage, et font trop peu de cas des interactions entre apprenants eux-mêmes, qui non seulement permettent de repérer mais aussi de propager davantage la systématicité que la variabilité. C’est en ce sens que les données d’ordre sociolinguistique me paraissent pouvoir et devoir être prises en compte dans l’analyse de l’interlangue : si elles n’ont pas valeur systématique, elles interviennent et influent plus souvent que la linguistique et la psycholinguistique anglo-saxonnes veulent bien le laisser supposer.

    1.2. L’interlangue de l’immigrant

    219J’aurai à plusieurs reprises l’occasion de revenir sur la distinction entre « immigrant » et « immigré » et ses conséquences, mais je voudrais pour l’instant m’en tenir à la comparaison, en matière d’interlangue, entre la situation de l’immigrant et celle de l’apprenant.

    220Le point commun n’est autre que la situation d’apprentissage d’une langue étrangère. Le critère de l’âge d’apprentissage n’est pas un élément discriminant, dans la mesure où apprenant et immigrant peuvent se trouver de part et d’autre de la fameuse « période critique »36 dont on sait du reste que, si elle influe sur les modalités d’assimilation, l’obstacle qu’elle dresse face à un possible bilinguisme doit être relativisé. En revanche, le statut de l’apprenant, étroitement lié au mode d’apprentissage, apparaît bien comme un élément de disjonction.

    221En effet, celui que l’on dénomme généralement « apprenant » se trouve en principe en situation d’apprentissage formalisé. Les conditions matérielles de son apprentissage l’isolent le plus souvent, du moins pendant la phase initiale de son apprentissage ou pendant une partie au moins de celle-ci, de l’environnement linguistique étranger. Le « bain linguistique » est souvent précédé et/ou accompagné de cours (plus ou moins) théoriques reposant sur une progression pédagogique à la charge de l’enseignant. L’apprenant est donc à la fois partiellement abstrait du contexte et intégré au couple « enseignant/apprenant » où le premier nommé médiatise l’objet d’apprentissage. L’apprenant possède non seulement un statut particulier au sein de cette relation pédagogique, mais il jouit également de ce statut vis-à-vis de l’environnement, qu’il soit administratif ou, au-delà, social.

    222L’immigrant, pour sa part, ne bénéficie d’aucun de ces écrans protecteurs37 : il est le plus souvent livré à lui-même en un « bain linguistique » forcé qui exige la communication sans formation préalable, sans appui théorique susceptible de faciliter chez lui la systématisation. Il se trouve d’une certaine manière dans la situation d’apprentissage de la langue première chez l’enfant, agissant de manière mimétique, sommé de procéder par tentatives se soldant par des réussites ou des échecs, mais face à un environnement qui n’est plus aussi bienveillant : l’immigrant est un étranger, voire un travailleur immigré, avec toutes les pesanteurs sociales que cela peut supposer.

    223Enfin, comment éluder la question de la finalité de l’apprentissage, fortement liée aux observations qui précèdent. Si la finalité se trouve le plus souvent médiatisée chez l’apprenant en situation formalisée, que ce soit vis-à-vis de l’enseignant ou de l’institution scolaire, elle est immédiatement communicationnelle et intégrative chez l’immigrant. En somme, la réflexion généralement menée par les psycholinguistes et psycho-pédagogues sur l’interlangue de l’apprenant ne recoupe que partiellement le cas de figure concernant l’immigrant.

    1.3. Le facteur temps : la cristallisation en interlecte

    224De même, l’interlangue de l’apprenant est supposée être un stade transitoire dans l’apprentissage de la langue vivante étrangère, accompagnant un processus en constante progression jusqu’à déboucher sur une compétence potentiellement bilingue. Le facteur temps joue donc de manière dynamique. Il en va de même, dans une certaine mesure, de l’interlangue de l’immigrant.

    225Mais l’absence de formalisation dans l’acquisition de la langue seconde, et d’une manière plus générale l’ensemble des conditions contextuelles qui l’accompagnent, nuisent à la discrimination entre langue seconde et langue première, et ce tout particulièrement chez l’adulte. Les facteurs d’interférence, surtout lorsque la distance interlinguistique est faible, jouent à plein, prolongeant d’autant le stade de l’interlangue38. Cependant, à la faveur du passage du statut d’immigrant à celui d’immigré, c’est-à-dire lors d’une phase de sédentarisation de l’allogène/ allophone, le passage de l’interlangue à l’interlecte est-il véritablement envisageable ? La réponse semble devoir être négative, dans la mesure où la cristallisation en interlecte doit s’accompagner d’une pérennisation transgénérationnelle, comme c’est le cas, par exemple, des langues minoritaires de la France (« francitan »39, ou, pour le catalan roussillonnais, ce que j’ai proposé d’appeler « francillonnais »). Or, tout montre que, s’agissant d’un phénomène migratoire, la succession des générations s’accompagne d’une intégration linguistique et sociale perceptible dès la deuxième génération vers les normes d’usage, elles-mêmes parfois de nature interlectale. L’interlangue des immigrant / immigrés est avant tout, à l’image de l’interlangue de l’apprenant mais sur un laps de temps beaucoup plus conséquent, du domaine de l’éphémère40. Cependant, les outils d’analyse de l’interlangue et de l’interlecte, dans la mesure où ils se centrent sur les phénomènes de transfert et d’hybridation, présentent bien des points communs.

    2. Problèmes posés par la constitution d’un échantillon

    2.1. L’origine géolinguistique des immigrés

    226S’agissant de l’immigration espagnole en Roussillon, le critère de l’origine géolinguistique se révèle déterminant, puisque tant l’étude de l’interlangue elle-même que celle de l’intégration linguistique et sociale qui va de pair, s’en trouve affectée.

    227Ainsi, le fait que les immigrants soient des Espagnols catalanophones réduit de 3 à 2 les codes en présence et influe significativement sur les risques d’interférence (aux plans quantitatif et qualitatif). De plus, le passage d’un territoire catalanophone à un autre, malgré la présence de la frontière politique, facilite l’intégration, puisque la langue ne constitue pas un obstacle à la communication. En revanche, seuls les immigrants castillanophones sont (encore que relativement, étant donné la tradition migratoire en provenance de la péninsule ibérique) en situation d’allophones, et se trouvent confrontés à des difficultés plus sérieuses.

    228Il me paraît très hasardeux de tenter une étude globale de l’immigration espagnole en Roussillon, puisque ni la périodisation, ni les modalités migratoires, ni le contact interlinguistique ne se trouvent coïncider.

    229Les historiens des migrations, peu préoccupés de considérations sociolinguistiques, produisent généralement un discours trop approximatif en la matière, susceptible d’invalider leurs analyses41.

    230Il est donc particulièrement important, au-delà du cas roussillonnais, de bien mettre en évidence lors de travaux sur des groupes ou communautés immigrés, la spécificité linguistique des allogènes par rapport aux autochtones, puisque même à défaut d’une langue commune (cas généralement représenté par des zones frontalières et donc relativement répandu), la distance interlinguistique se trouve jouer fortement42.

    2.2. Le critère « générationnel » : un problème complexe

    231En matière d’immigration, la question de la génération est centrale, et plus délicate à cerner que ne semblent généralement le faire les sociologues. En effet, au schéma tri-générationnel canonique : parents immigrants/ enfants de deuxième génération/petits-enfants de troisième génération, il convient d’apporter un certain nombre de nuances concernant la dénommée « deuxième génération ». Le fait que les « enfants » puissent avoir participé ou non à la migration, et l’âge auquel ils ont pu y prendre part doivent être pris en compte. C’est en effet d’une part la condition d’immigrant ou d’immigré qui est enjeu, et d’autre part l’âge de mise en contact avec la langue seconde (ici, celle du pays d’accueil) est le plus souvent déterminant à la fois sur le plan de la compétence acquise dans cette langue et sur le plan de l’intégration sociale, dont l’intégration linguistique est l’un des plus puissants ressorts.

    232L’influence de l’environnement extra-familial est loin d’être négligeable pour l’individu, de même que la structure sociale englobante ne peut qu’affecter la sphère familiale allophone : loin d’un cloisonnement étanche entre sphère immigrante et environnement autochtone, il existe entre ces deux ensembles des porosités qui doivent être prises en compte. Mais le facteur décisif d’intervention sur la sphère allogène est bien celui de la scolarisation des enfants migrants. Ainsi qu’il a été dit plus haut, la scolarisation, de par la formalisation des apprentissages de la langue seconde qu’elle propose/impose à l’allophone, rapproche les conditions d’apprentissage de celui-ci de celles de l’autochtone pour une langue étrangère43.

    233L’interlangue de l’ « immigrant-apprenant » devient en quelque sorte symétrique à celle de l’apprenant tout court, et diverge de celle de l’immigrant livré à lui-même. C’est la raison pour laquelle la rigueur scientifique impose, pour l’étude de l’interlangue des migrants, de procéder de manière prudente et raisonnée, sur la base d’un choix sans ambiguïté : soit constituer un corpus sur une génération donnée, le terme génération supposant par exemple le choix exclusif d’immigrants (pas ou peu scolarisés dans le pays d’accueil)44  ; soit travailler sur un échantillon transgénérationnel incluant immigrants et immigrés de plusieurs générations, comme ce peut être le cas d’une famille. L’étude du premier type de corpus permet de mettre au jour les modalités de création interlinguistique, tandis que celle du second est susceptible de montrer la progression dans l’intégration linguistique et les « reliquats » de la langue d’origine.

    2.3. Immigrant/immigré et la fossilisation

    234Faisons maintenant retour sur la distinction entre « immigrant » et « immigré » : il s’agit avant tout d’un problème de chronologie, puisque l’immigrant devient immigré, au terme d’un certain laps de temps, correspondant à son installation véritable et à sa permanence sur le sol étranger. Une simple question de logique ferait postuler que la compétence en langue seconde de l’individu s’accroît parallèlement à la durée de son séjour. L’observation des performances est corroborée par le discours métalinguistique des intéressés pour aboutir à une conclusion bien plus nuancée : il semble qu’il y ait généralement progression pendant la période initiale et aboutissement à un stade quasi-définitif, désormais délié de la durée de séjour. Cependant, la question, on va le voir, est en débat.

    235Un tel constat fait en effet intervenir le concept de fossilisation, défini par Selinker comme : « des phénomènes (items, règles, sous-systèmes) que les locuteurs d’une langue maternelle tendent à transférer dans leur interlangue par rapport à une langue-cible, indépendamment de l’âge de l’apprenant ou de la somme d’explications et d’instruction qu’il reçoit dans la langue-cible »45. Petit commente ainsi cette définition : « Les fossilisations sont donc des interférences particulièrement pernicieuses qui s’incrustent et se révèlent indéracinables par la suite. Elles ne se rencontrent pas que dans l’apprentissage institutionnel des L2s, mais aussi dans l’acquisition naturelle de ces mêmes L2s et dans les cas de bilinguisme partiel ou de bilinguisme tardif »46, tandis que Vogel observe (toujours sur la base de la définition de Selinker) que : « ce phénomène de ’back-sliding’ vers une ’norme d’interlangue ’, qui se traduit par une stabilité des structures d’interlangue erronées, ne se limite pas toujours à des éléments ou des règles isolées : dans certains groupes d’apprenants, par exemple les immigrés, il peut s’étendre à toute l’interlangue. C’est ici, quand l’interlangue stagne au lieu d’évoluer vers la norme de la langue-cible tout en continuant à servir de moyen de communication comme une langue naturelle, que l’on peut parler de ’pidginisation’ de l’interlangue. » 47

    236Il y a effectivement fossilisation chez l’immigré et qui pourrait bien trouver son point de départ, quoiqu’en dise Selinker, à l’articulation même entre le statut/conscience de l’immigrant et celui de l’immigré. Les informateurs parlent volontiers de cessation de l’effort dès lors qu’une intercompréhension minimale ou jugée satisfaisante est établie avec le milieu récepteur allophone, ou, comme le prétend Vogel en d’autres termes, qu’elle devient un instrument de « communication » assimilable à une « langue naturelle ». En outre, c’est précisément parce qu’il s’agit de « bilinguisme partiel » (c’est-à-dire tout à fait asymétrique, puisque diglossique) et assez souvent de « bilinguisme tardif » (en particulier chez le migrant adulte), comme le souligne Petit, que la fossilisation a les plus grandes chances d’intervenir et de gagner des pans entiers du langage.

    237En fait, le débat sur la fossilisation n’affecte que très marginalement l’étude de l’interlangue des Espagnols en Roussillon, dans la mesure où l’immigration appartient aujourd’hui au passé et par voie de conséquence où tous les immigrants sont devenus immigrés : leur interlangue a fossilisé de manière « indéracinable », elle est fossilisée, et ce, non pas directement en fonction du temps ou de la compétence linguistique potentielle des intéressés, mais en fonction d’un critère communicationnel, c’est-à-dire psycho-social, d’abord pragmatique, puis de l’ordre de la représentation48. Mais il n’en demeure pas moins que la fossilisation fait problème, jusqu’à être éventuellement l’objet central de l’étude49, dès lors que l’on sort de ce cas un peu particulier.

    3. Problèmes posés par la collecte d’un corpus

    3.1. Contrôle linguistique et implication de l’enquêteur

    238Un corpus d’interlangue se doit, comme tout corpus, d’atteindre une certaine validité scientifique sur une base quantitative minimale : le matériau doit être suffisamment abondant pour mettre au jour des récurrences. Il s’agit donc de déterminer par avance le nombre minimal de séquences et la durée minimale des séquences enregistrées. De même, la technique choisie doit être mise en œuvre de la manière la plus uniforme possible.

    239La spécificité du corpus d’interlangue chez l’immigrant/immigré est liée à la spécificité de celle-ci, et en particulier à la plus ou moins grande mais toujours réelle stigmatisation qui la frappe. L’interlangue est considérée comme incorrecte par rapport à la fois à la norme de la langue première et à celle(s) de la/des langue(s) seconde(s) non seulement objectivement (à l’analyse linguistique), mais aussi subjectivement, que ce soit par la société réceptrice ou par l’immigrant/immigré lui-même (c’est-à-dire en fonction des représentations, de l’autre ou de soi). La productivité d’un corpus d’interlangue est donc nécessairement liée au contrôle linguistique exercé par le locuteur : plus le contrôle est serré, moins l’interlangue se manifestera dans toute son ampleur ; plus le contrôle s’abaisse ou disparaît, plus le corpus aura des chances d’être authentique. C’est donc dans le rôle assigné à l’enquêteur que se situe la clé du problème.

    240Deux méthodes ont été utilisées jusqu’ici, soit l’entretien semi-guidé, soit l’enregistrement « micro caché ». Chacune d’elles présente son intérêt et ses limites. Le point faible de l’entretien semi-guidé est de placer l’enquêteur en situation d’interlocuteur de l’informateur. Il y a dialogue, dans lequel l’enquêteur, même lorsqu’il accepte de s’en départir (l’entretien est semi-guidé, offrant ainsi une certaine latitude à l’informateur), contrôle l’échange. Il l’oriente par ses questions, qu’il peut réintroduire en cas d’insatisfaction sous une formulation différente, et, qu’il le veuille ou non, se trouve en situation participative, sommé d’approuver à tout le moins discrètement les dires et points de vue de son interlocuteur.

    241En revanche, l’intérêt de la méthode est précisément de donner à l’informateur l’illusion de sa liberté de parole, et donc de l’amener à s’exprimer dans le détail de manière spontanée ou suscitée. En matière d’interlangue d’immigration, une formule particulièrement rentable est celle du récit de vie, dans la mesure où elle détourne l’informateur de l’objet réel de l’enquête : alors qu’il s’attache au signifié (le récit héroïque de sa migration et de son intégration), il abaisse son contrôle linguistique, délivrant un signifiant authentique qui est l’interlangue.

    242Pour obtenir un bon récit de vie (riche, détaillé et profond), il est nécessaire de fonctionner en même temps dans la complicité et dans la duplicité, car le signifié, qui recouvre des événements parfois très intenses ou intimes, est donné à partager à l’enquêteur, et que celui-ci doit à la fois demeurer conscient de la nécessaire rigueur de la conduite de l’entretien et s’impliquer affectivement face au récit qui lui est fait. En cela, cette méthode n’est pas sans poser des questions d’ordre déontologique : jusqu’où est-il convenable, décent, de « manipuler » l’informateur ?

    243Une question importante pour l’entretien (et qui n’a pas lieu d’être en « micro caché ») est celle de la langue choisie, laquelle de toute façon doit être partagée (complicité oblige) par l’informateur et l’enquêteur. La détermination de ce choix peut être le fait de l’enquêteur, qui l’impose à son interlocuteur, mais la plus grande rentabilité découlera d’une négociation rapide supposant un accord tacite entre les parties. Un bref échange, pas nécessairement enregistré, peut régler cette question : l’enquêteur a tout intérêt à laisser son informateur à sa pente naturelle entre langue première ou seconde50, l’imposition pouvant faire naître un blocage irréversible. L’interlangue étant un état intermédiaire, elle affecte presque toujours, quoique différemment, la langue choisie51.

    244L’enquête en « micro caché » est elle aussi participative, dans la mesure où l’enquêteur-preneur de son ne peut pas toujours échapper à l’implication dans l’échange : pour obtenir une qualité sonore suffisamment propice au décryptage, il doit être présent, et à une faible distance des locuteurs. Mais le problème déontologique est de taille, puisque l’enquêteur opère à l’insu des locuteurs, et qu’en tant que locuteur enquêteur, il joue double jeu : sa parole ne peut pas être de ce fait aussi authentique que la leur. Un autre inconvénient de la méthode est son côté aléatoire. L’enquêteur « jette ses filets » sans rien contrôler du comportement des locuteurs, d’où un pourcentage plus ou moins important de « déchet » dans son collectage et un corpus incertain. Cependant, le « micro caché » révèle les pratiques langagières réelles52 des immigrants/immigrés, sans l’inhibition immanquablement provoquée par la conscience de la présence de l’enquêteur et de son observation de la production discursive. Elle a ici une fonction communicative et immédiatement utilitaire, en situation, alors que la présence de l’enquêteur et le cadre plus ou moins formalisé de l’entretien médiatisent cette production. La relation sociale de l’acte de parole ou de l’interaction verbale n’est alors en aucun cas artificielle.

    3.2. Problèmes quantitatifs

    245À côté de ces questions purement qualitatives, se trouve posé le problème de l’étendue du corpus, et ce à deux niveaux : tout d’abord, celui de la durée des enregistrements, puis de leur nombre, tout cela étant sous-tendu par la problématique de la représentativité, et donc de la validité scientifique du corpus.

    246La durée des enregistrements en « micro caché » est extrêmement dépendante de la variabilité de ces situations : temps nécessaire ou consacré à l’échange par les interlocuteurs, aléas techniques divers, dont les déplacements, tout cela échappe dans une large mesure à l’enquêteur. En revanche, et malgré le possible déchet déjà mentionné, la multiplication des prises est généralement réalisable. Il s’agira donc, pour rendre compte le plus fidèlement possible de l’éventail des manifestations de l’interlangue, d’élaborer une typologie des scènes comme « cahier des charges » tout en acceptant par avance de l’infléchir, de la réviser à la faveur de la réalisation effective de cas de figure non inventoriés.

    247Ainsi, les enquêtes en « micro caché » sur l’interlangue des immigrants/ immigrés devront, pour être représentatives, regrouper des scènes d’au moins trois types distincts, selon le cadre et la nature des intervenants. Une distinction fondamentale de cadre chez les immigrants/ immigrés est le « dedans » et le « dehors »53, autrement dit le cadre privé et le public. De même, et recoupant cette distinction, trois sphères concentriques se dégagent : la sphère familiale, la sphère communautaire et la sphère sociale.

    248La sphère familiale est celle de l’intimité (couples, fratries) mais également des relations intergénérationnelles (les diverses générations étant plus ou moins intégrées à la société d’accueil). La sphère communautaire s’élargit aux autres immigrés de même origine nationale et/ou linguistique (les points communs sont alors nombreux, mais l’intégration linguistique et sociale est susceptible de varier). La sphère sociale au sens large met l’immigrant/immigré au contact d’individus ou groupes exogènes et exolingues, et la négociation linguistique y est en principe largement différente. On dégagera ainsi les comportements linguistiques et les attitudes sociolinguistiques, en particulier les régulations (ou normes d’usage) propres à chaque sphère.

    249La durée des entretiens semi-guidés dépend pour une large part du choix de l’enquêteur, encore que, s’agissant d’un récit de vie, l’informateur ait fréquemment tendance à déborder du cadre fixé. La productivité maximale n’est que rarement atteinte avant la demi-heure, même si la variabilité de ce point de vue est large d’un individu à l’autre54. Il importe de toute façon que parvienne à s’abaisser le contrôle linguistique, que les barrières psychologiques tombent, pour laisser place à une expression authentique. Le choix d’une heure inclut ce passage tout en permettant également de procéder par questions réitérées (formulées différemment) a priori redondantes, mais qui ne le sont pas nécessairement, ni au plan du signifié ni à celui du signifiant. En outre intervient ici, toujours en rapport avec le contrôle linguistique, le facteur de la fatigue lié à la durée, qui généralement influe sur l’interférence et provoque des ratages toujours significatifs.

    250La quantité d’entretiens à réaliser est variable selon l’ampleur du travail de recherche. Il me paraît cependant préférable de privilégier la durée de l’entretien par rapport à la multiplication des enregistrements : l’approfondissement sur le plan du signifié est très appréciable, de même que la tension obtenue sur le plan du signifiant teste de manière avancée et probante la résistance à l’interférence et donc les limites de l’interlangue. C’est pourquoi le problème auparavant posé de l’échantillonnage se révèle capital. Ainsi, je considère le choix apparemment restreint de quatre informateurs pour la réalisation d’un mémoire de maîtrise comme satisfaisant, à condition que les critères de choix, en similitude ou en complémentarité, soient clairement posés dès l’abord. De même, une vingtaine d’entretiens a pu convenir pour un travail de thèse nouveau régime : au-delà, les observations tendent simplement à se recouper.

    4. Vers la constitution d’un corpus d’interlangue

    251Les problèmes méthodologiques de recueil des données pouvant être réglés comme précédemment indiqué, venons-en à présent à la constitution d’un corpus, pour l’heure embryonnaire.

    252La curiosité pour les interlangues se manifeste le plus souvent à l’égard des éléments lexicaux, dont certains auteurs de dictionnaires ad hoc vantent la « saveur ». S’il n’est bien évidemment pas exclu de constituer des glossaires, lexiques, voire dictionnaires d’interlangue, selon le principe d’items correspondant au terme le plus récurrent assorti des variantes (davantage que selon un classement alphabétique simple) on ne doit pas perdre de vue que le lexique n’est, le plus souvent, que la partie émergée de l’iceberg. Ajoutons cependant que le lexique, parce qu’il permet également de répertorier, par exemple en tant que variantes, la pluralité de formes, est susceptible de révéler les traits morphémiques et les éventuels mécanismes de leur transfert d’une langue à l’autre (ex. « mairie » [esp. ayuntamiento] : merí, mería). S’agissant d’une communauté immigrée d’assez longue date comme celle des Espagnols castillanophones en Roussillon, il a pu être constaté une disproportion de l’emprunt lexical en faveur de la langue seconde sur la langue première : le quotidien est en effet appréhendé depuis longtemps dans la langue du pays d’accueil.

    253La constitution d’un corpus de phrases permet de repérer les porosités syntaxiques entre les deux langues, d’en déterminer le sens prioritaire (dans notre cas de la langue première vers la langue seconde) et de mettre au jour à la fois les différentes structures concernées, la récurrence du calque et les différentes variantes. Ainsi, il apparaît curieusement que le principe d’économie, qui devrait prévaloir par l’adoption de la forme la moins complexe, n’est pas aussi systématique qu’on pourrait le supposer (ex. le traitement des temps composés, très simple en castillan [un seul auxiliaire, haber, invariabilité du participe passé] peut être perturbé par les modalités complexes du français [quant au choix d’auxiliaire et/ou aux règles d’accord du participe]).

    254À ce jour, aucun corpus concernant l’interlangue des immigrés espagnols castillanophones en Roussillon n’a été véritablement constitué en tant que base de données. Ma thèse exploite bien un corpus, mais il y est présenté de manière fragmentée, puisque le but recherché était avant tout l’analyse de ses éléments. Deux petits glossaires regroupant 266 termes interférentiels seulement apparaissent bien en annexe, mais ils n’offrent pas l’exhaustivité souhaitable. Quant aux travaux de recherches d’étudiants sur l’interlangue, ils sont pour l’heure en nombre trop insuffisant, et toujours à reconsidérer dans leur forme, puisque le collectage débouche sur un ethnotexte.

    255La faiblesse des moyens mis en œuvre est d’autant plus criante que l’interlangue a un caractère évolutif et éphémère, et que ses locuteurs viennent aujourd’hui à disparaître. Nul doute qu’il conviendra à terme de réunir les différentes études menées en France sur les productions linguistiques issues de l’immigration espagnole, telles que celles réalisées par et autour de Colette Noyau, de Christine de Hérédia-Deprez, de Marie-Thérèse Gadea ou d’Isabelle Taboada-Leonetti, afin constituer une base de données suffisamment conséquente. On peut regretter d’une manière générale le peu d’intérêt des hispanistes, pourtant remarquablement bien placés pour recueillir (ou susciter la collecte) des matériaux, pour ce type de travaux. Il faut peut-être en rechercher les causes dans la trop grande évidence à leurs yeux du phénomène, dans leur répugnance pour les déviances par rapport aux normes en général, et dans l’occultation de ce qui pourrait n’être souvent qu’une auto-analyse médiatisée.

    256Le chantier est donc immense, aussi bien sur le terrain ou face à l’ordinateur que dans les esprits. Les interlangues d’immigration, stigmatisées à l’égal de leurs locuteurs, seront-elles les parents pauvres de la recherche linguistique ? Elles offrent cependant à l’observateur attentif comme une précieuse séquence, décomposée en une succession d’images, du passage d’une langue à l’autre et d’une coexistence de ces langues chez un même individu, lui-même à la charnière de plusieurs groupes, voire de plusieurs sociétés. Dans un contexte mondial ou il devient de plus en plus difficile d’échapper à la multiculturalité, de telles préoccupations n’ont, me semble-t-il, rien d’accessoire ...

    [Christian Lagarde]

    Bibliographie

    Des DOI sont automatiquement ajoutés aux références bibliographiques par Bilbo, l’outil d’annotation bibliographique d’OpenEdition. Ces références bibliographiques peuvent être téléchargées dans les formats APA, Chicago et MLA.

    Format

    • APA
    • Chicago
    • MLA
    Biber, D. (1988). Variation across Speech and Writing. Cambridge University Press. https://doi.org/10.1017/cbo9780511621024
    Bourdieu, P. (2002). Lo que significa hablar. Universidad Pedagogica Nacional. https://doi.org/10.17227/01203916.5476
    Dittmar, N., & Schlobinski, P. (Eds.). (1988). The Sociolinguistics of Urban Vernaculars. De Gruyter. https://doi.org/10.1515/9783110857337
    Koch, P., & Oesterreicher, W. (2011). Gesprochene Sprache in der Romania. DE GRUYTER. https://doi.org/10.1515/9783110252620
    Sankoff, G., & Thibault, P. (1977). L’alternance entre les auxiliaires avoir et être en français parlé à Montréal. PERSEE Program. https://doi.org/10.3406/lfr.1977.4818
    Vidich, A. J. (1955). Participant Observation and the Collection and Interpretation of Data. University of Chicago Press. https://doi.org/10.1086/221567
    Biber, Douglas. “Variation across Speech and Writing”. []. Cambridge University Press, October 27, 1988. doi:10.1017/cbo9780511621024.
    Bourdieu, Pierre. “Lo Que Significa Hablar”. Revista Colombiana De Educación. Universidad Pedagogica Nacional, April 25, 2002. doi:10.17227/01203916.5476.
    Dittmar, Norbert, and Peter Schlobinski, eds. The Sociolinguistics of Urban Vernaculars. []. De Gruyter, 1988. doi:10.1515/9783110857337.
    Koch, Peter, and Wulf Oesterreicher. Gesprochene Sprache in Der Romania. []. DE GRUYTER, 2011. doi:10.1515/9783110252620.
    Sankoff, Gillian, and Pierrette Thibault. “L’alternance entre les auxiliaires avoir et être en français parlé à Montréal”. Langue française. PERSEE Program, 1977. doi:10.3406/lfr.1977.4818.
    Vidich, Arthur J. “Participant Observation and the Collection and Interpretation of Data”. American Journal of Sociology. University of Chicago Press, January 1955. doi:10.1086/221567.
    Biber, Douglas. Variation across Speech and Writing. [], Cambridge University Press, 27 Oct. 1988. Crossref, https://doi.org/10.1017/cbo9780511621024.
    Bourdieu, Pierre. “Lo Que Significa Hablar”. Revista Colombiana De Educación, nos. 42, Universidad Pedagogica Nacional, 25 Apr. 2002. Crossref, https://doi.org/10.17227/01203916.5476.
    Dittmar, Norbert, and Peter Schlobinski, editors. The Sociolinguistics of Urban Vernaculars. [], De Gruyter, 1988. Crossref, https://doi.org/10.1515/9783110857337.
    Koch, Peter, and Wulf Oesterreicher. Gesprochene Sprache in Der Romania. [], DE GRUYTER, 2011. Crossref, https://doi.org/10.1515/9783110252620.
    Sankoff, Gillian, and Pierrette Thibault. “L’alternance entre les auxiliaires avoir et être en français parlé à Montréal”. Langue française, vols. 34, no. 1, PERSEE Program, 1977, pp. 81-108. Crossref, https://doi.org/10.3406/lfr.1977.4818.
    Vidich, Arthur J. “Participant Observation and the Collection and Interpretation of Data”. American Journal of Sociology, vols. 60, nos. 4, University of Chicago Press, Jan. 1955, pp. 354-60. Crossref, https://doi.org/10.1086/221567.

    Cette bibliographie a été enrichie de toutes les références bibliographiques automatiquement générées par Bilbo en utilisant Crossref.

    ALVAR EZQUERRA, M. y J. A. VILLENA PONSODA (eds.) (1994) : Estudios para un corpus del español, Málaga, Universidad de Málaga.

    AMBROSE, Jeanne, 1996, Bibliographie des Études sur le français parlé. Paris : Didier-Erudition (INaLF).

    ANGUERA, M. T. (1982) : Metodología de la observación en las ciencias humanas, Madrid, Catedra.

    ÂVILA MUNOZ, A. M. (1998) : Elaboración, aplicación y análisis del corpus o :al del Proyecto V. U._M. Léxico de frecuencia del español hablado en la ciudad de Málaga, Tesis Doctoral inédita.

    BAZZANELLA, C., (1994), Le facce del parlare, La nuova Italia Firenze.

    BERETTA, M., (1994), Il parlato italiano contemporaneo, in L. Serianni e P. Trifone (eds), Storia della lingua italiana, vol II°, Scritto e parlato, Einaudi, Torino, p. 239-290.

    BERRUTO, G., (1987), Sociolinguistica dell’italiano contemporaneo, NIS, Firenze

    BERRUTO, G., (1990), Italiano regionale, commutazione di codice ed enunciati mistilingui, in M. A. Cortelazzo e A. M. Mioni (eds), L’italiano regionale, Bulzoni, Roma.

    BIANCONI, S., (ed), (1995), L’italiano in Svizzera, Osservatorio linguistico della Svizzera italiana, Locarno.

    BIANCONI, S., (1980), Lingua matrigna, Il Mulino, Bologna.

    BIANCONI, S.,(ed), (1994), Lingue nel Ticino, Osservatorio linguistico della Svizzera Italiana, Locarno.

    BIBER, Douglas, 1991, Variation across speech and writing. Cambridge : Cambridge University Press.

    10.1017/CBO9780511621024 :

    BLANCHE-BENVENISTE et ADAM, Jean-Pierre, à paraître, « Conjugaison attestée, conjugaison virtuelle, conjugaison défective », Recherches Sur le Français Parlé n° 15.

    BLANCHE-BENVENISTE, Claire et JEANJEAN, Colette, 1987, Le Français parlé : édition et transcription. Paris : Didier-Érudition (INaLF).

    BLANCHE-BENVENISTE, Claire, 1997, Approches de la langue parlée en français. Paris : OPHRYS.

    BLANCHE-BENVENISTE, Claire, à paraître, « Deux sortes de passifs dans la langue parlée », Actes du Colloque d’Uppsala, 1998, sur le passif.

    BLANCHE-BENVENISTE, Claire, BILGER, Mireille, ROUGET, Christine et van den EYNDE, Karel, 1990, Le Français parlé : Études grammaticales. Paris : Éditions du CNRS.

    BORTOLINI U. & PIZZUTO E. (eds.), (1997), Il progetto Çhildes ltalia, Del cerro, Pisa.

    BORTONI-RICARDO, S. M. (1985) : The Urbanization of Rural Dialect Speakers. A sociolinguistic study in Brazil, Cambridge, CUP.

    BOURDIEU, P. (1982) : ¿ Qué significa hablar ? Economía de los intercambios lingüísticos, Madrid, Akal, 1985.

    10.17227/01203916.5476 :

    BRIGGS, C. L. (1984) : « Learning how to ask. Native meta-communicative competence and the incompetence of field-workers », LiS 13, p. 1-28.

    BUSTOS TOVAR, J. J. (1995) : « De la oralidad a la escritura » en L. Cortés 1995, p. 10-28.

    CAPUTO, M. R., (1996), Le domande in un corpus di parlato spontaneo. Analisi prosodica e pragmatica. Tesi di dottorato Università Federico II, Napoli.

    CHERVEL, André, 1983, « La langue parlée au XIXe siècle », Recherches Sur le Français Parlé, n° 5, 163-170

    CORTÉS, L. (coord.) (1995) : El español coloquial. Actas del I Simposio sobre análisis del discurso oral, Almería, Universidad de Almería.

    COSNIER, J. et KERBRAT-ORECCHIONI, Catherine, (dirs.) ; décrire la conversation. Lyon : Presses Universitaires de Lyon.

    CRESTI, E., (1987), L’articolazione dell’informazione nel parlato, in AAVV Gli italiani parlati, Accademia della Crusca, Firenze, p. 27-96.

    CRESTI, E., (1994), Information and intonational patterning in Italian, in B. Ferguson, H. Gezundhejt, Ph. Martin (eds), Accent, intonation, et modèles phonologiques, Éditions Mélodie, Toronto p. 99-140.

    CRESTI, E., (1996), Speech acts units and informational units, in E. Fava (ed) Speech acts and linguistic research, Nemo Padova, p. 89-107.

    CRESTI, E., (1997), Confronta tra la resa informativa del dialogo spontaneo e dell’intervista radiofonica, in AAVV Gli italiani trasmessi : la radio, Accademia della Crusca, Firenze, p. 611-657.

    CRESTI, E., (1998) Gli enunciati nominali, in T. Navarro (ed) Italica Matritensia. Atti del IV Convegno SILFI, Cesati, Firenze p. 171-191

    CULIOLI, Antoine, 1983, « Pourquoi le français parlé est-il si peu étudié ? », Recherches Sur le Français Parlé, n° 5, 291-300.

    DE MAURO, T., MANCINI F., VEDOVELLI M. & VOGHERA M. (1993) Lessico di frequenza dell’italiano parlato, Etass Milano.

    De MAURO, T., (1993) : Lessico di frequenza dell’italiano parlato, Milan, Etas libri. DITTMAR, N. (1973) Sociolinguistics. A Critical Survey of Theory and Application, Londres, Arnold, 1976.

    DITTMAR, N. y P. SCHLOBINSKI (eds.) (1988) : The Sociolinguistics of Urban Vernaculars. Case Studies and their Evaluation, Berlin - Nueva York, de Gruyter.

    10.1515/9783110857337 :

    FILSTEAD, W. (ed.) (1971) : Qualitative Methodology, Chicago, Free Press.

    GIANNELLI, L., (ed), (1994) Una teoria e un medello per l’analisi dell’italiano substandard, Unipress Padova.

    HALLIDAY, M. A. K. (1970) : « Intonation and meaning » en G. Kress 1976, p. 214-235.

    JEANJEAN, Colette, « À propos de l’utilisation des conjonctions chez les enfants », Recherches Sur le Français Parlé, n° 5, 191-210.

    JUSTICIA, F. (1995) : El desarrollo del vocabulario. Diccionario de frecuencias, Granada, Universidad de Granada.

    KOCH, P. & W. OSTERREICHER (1990), Gesprochene Sprache in der Romania : Franzosisch, Italienisch, Spanisch, Tübingen.

    10.1515/9783110252620 :

    KONIG, R. (ed.) (1973) : Tratado de sociologia empírica, Madrid, Tecnos.

    KRESS, G. (1976) : System and Function in Language, Oxford, Oxford University Press.

    LABOV, W. (1972a) : Sociolinguistic Patterns, Filadelfia, Univ. de Pensilvania, 1978.

    LABOV, W. (1972b) : Language in the Inner City. Studies in the Black English Vernacular, Oxford, Blackwell.

    LOUFRANI, Claude, 1981, « Locuteur collectif ou locuteur tout court », Recherches Sur le Français Parlé n° 3, 215-243.

    MACWHINNEY, B., (1997) Il Progetto CH/LDES, (Trad. It.) Del Cerro, Pisa.

    MARA, E., Corpora inediti, Università di Graz.

    MERTENS, Piet, 1990, chapitre Prosodie dans Blanche-Benveniste, M. Bilger, C. Rouget et K. van den Eynde.

    MILROY, L. (1980) : Language and Social Networks, Oxford, Blackwell.

    MONEGLIA, M. & E. CRESTI (1997), Intonazione e criteri di trascrizione del parlarto, in U. Bortolini E. Pizzuto (eds), Il progetto CHILDES Italia, Del Cerro Pisa, p. 57-90.

    ORLEITI, F., (ed) (1994), Fra conversazione e discorso, La nuova Italia, Firenze.

    POGGI SALANI, T., (1977), Tra lingua e cultura, in Rivista Italiana di Dialttologia, I p. 79-98.

    PONTECORVO, c., & A. DURANTI (eds), (1996), Bambini e genitori in famiglia. Conversazione e socializzazione. Età Evolutiva 10.

    RAINGEARD, Martine et LORSCHEIDER, Ute, 1977, « Édition d’un corpus de français parlé », Recherches Sur le Français Parlé n° 1, 14-28.

    ROUGET, Christine, 1989, Application de l’Approche Pronominale à la syntaxe du nom. Les formes SNI de SN2. Thèse de doctorat, Université de Provence. À paraître.

    ROUGET, Christine, 1990, « L’intérêt des possessifs pour l’analyse syntaxique », Recherches Sur le Français Parlé n° 10, 97-110.

    SANKOFF, Gilian et THIBAULT, Pierrette, 1977, « L’alternance entre les auxiliaires avoir et être en français parlé à Montréal », Langue française n° 34, 81-108.

    10.3406/lfr.1977.4818 :

    SAVELLI, Marie-Josée, 1995, « Autant le dire. Quelques éléments comparatifs sur la macro-syntaxe de plus/ moins/ autant », Recherches Sur le Français Parlé n° 13, 67-90.

    SAVILLE-TROIKE, M. (1982) : The Ethnography of Communication. An Introduction, Oxford, Blackwell.

    SCHEUCH, E. K. (1973) : « La entrevista como instrumenta de investigación » en R. Konig (ed.) 1973, p. 166-224.

    SOBRERO, A. (1988) : « Villages and towns in Salento. The way code switching switches » en Dittmar y Schlobinski (eds.) 1988, p. 207-216.

    SORNICOLA, R., (1981), Sul Parlato, Il Mulino Balogna.

    STAMMERJOHANN, H., (1970), Structuren der Rede. Beobachtungen an der Umgangssprahe von Florenz in Studi di Filologia Italiana XXVIII p. 295-397.

    STÉFANINI, Jean, 1983, « Approches historiques de la langue parlée », Recherches Sur le Français Parlé, n° 5, 7-22.

    VIDICH, A. (1971) : « Participant observation and the collection and interpretation of data » en W. Filstead (ed.) 1971, p. 164-173.

    10.1086/221567 :

    VILLENA PONSODA, J. A. (1994a) : La ciudad lingüística. Fundamentos críticos de la sociolingüística urbana, Granada, Universidad de Granada.

    VILLENA PONSODA, J. A. (1994b) : « Pautas y procedimientos de representación del corpus oral español de la Universidad de Málaga. Informe preliminar » en Alvar Ezquerra y Villena Ponsoda (eds.) 1994, p. 73-101.

    VOGHERA, M., (1990) Le strutture dell’italiano parlato, tesi di dottorato, Readings.

    VOGHERA, M., (1992), Sintassi e intonazione nell’italiano parlato, Il Mulino, Bologna.

    VOGHERA, M., (1996), Corpora dell’italiano, Revue Française de Linguistique Appliquée, Vol 1-2, p. 131-134.

    Notes de bas de page

    1 Svartvik, Jan and Quirk, Randolph (eds.), 1979, A Corpus of English Conversation. Lund : CWK. Gleerup, (Lund Studies in English), 893 p.

    2 Les documents rassemblés pour !’Espagnol Fondamental n’ont pas été publiés.

    3 Cf. Chaurand, J. et Lerat, P, 1981, « Français Fondamental et français aujourd’hui », Le Français dans le Monde, n° 159.

    4 Une description détaillée est donnée par Graeme KENNEDY, 1998, An Introduction to Corpus Linguistics, London/ New York: Longman, chapter two: « The design and development of corpora ».

    5 John SINCLAIR, 1991, Corpus, Concordance, Collocation. Oxford: Oxford University Press.

    6 Cf. S.CROWDY, « Spoken Corpus Transcription », Literary and Linguistic Computing, 9, 1: p. 25-28. Cf. Recherches Sur le Français Parlé, 1997, n° 14.

    7 Communication de G. Bergounioux.

    8 Ces enregistrements n’ont pas été conservés.

    9 Corpus du Bus, transcrit par Raingeard et Lorscheider.

    10 J’ai indiqué pour chaque corpus la disponibilité et le prix. Il faut souligner que la disponibilité est relative aux besoins de l’utilisateur : un corpus doit être installé sur un ordinateur puissant et accessible, sans problèmes techniques qui dépassent la compétence, avec un concordancier qui fournit les données que l’on recherche. Autrement, on n’a rien de plus qu’une simple collection de textes.
    Dans ce sens, le travail que l’on doit effectuer pour rendre un corpus disponible est énorme. Il est donc essentiel de commencer par une conception claire des besoins. Ce qui ressort de la liste qui suit est la grande variété des ressources électroniques. J’espère que cette variété aidera les chercheurs et les enseignants à se munir de corpus qui répondent réellement à leurs exigences.

    11 Remito a quien esté interesado en los planteamientos teóricos y metodológicos del diseño de la base de datos en concreto y del Proyecto de Investigación en general a las di versas publicaciones que han realizado al respecta los miembros del equipo de investigación. En concreto, Villena (1994a, 1994b, 1995), Ávila (1998).

    12 La metodología de observación y de recolección sigue los presupuestos y procedimientos utilizados, entre otros, en los trabajos de L. Milroy en lrlanda del Norte (1980), N. Dittmar y P. Schlobinski en Berlin (1988), A. Sobrero en Lecce (1988) o Bortoni-Ricardo en Brasilia (1985).

    13 De esta manera se ejerce un mayor control sobre el sesgo tal y como han demostrado, entre otras, las investigaciones de Labov en Harlem o Filadelfia, Milroy en Belfast o Bortoni-Ricardo en Brasilia.

    14 De hecho, se suele señalar la vocalidad como el rasgo necesario de la oralidad. Bustos Tovar (1995, p. 13).

    15 Hay que señalar que el material proveniente de esta situación constituye algo más del 75 % del total del corpus con lo que la exposición detallada de los problemas de recogida que aparecieron en este caso nos parece de interés.

    16 Labov (1972a ; 1972b ; 1984) ; Bortoni (1985, p. 217-225) ; Milroy (1980, p. 40-69) ; Bourdieu (1982, p. 40-46, especialmente 45-46).

    17 Vidich (1971, p. 164-173) ; Scheuch (1973, p. 166-224) ; Briggs (1984, p. 1-28) ; Anguera (1982) ; Villena (1994a, p. 22-23).

    18 Dittmar (1973, p. 280-285) ; Saville-Troike (1982, p. 113).

    19 Justicia (1995).

    20 Usamos el modelo descriptivo propuesto por Halliday (1970).

    21 Sin embargo, piénsese en los problemas que encontrarían los sistemas de desambiguación automática que no tienen en cuenta estas características prosódicas tan elementales. Corno puede observarse, a la crítica realizada en el capítulo 4 podrí amos seguir añadiendo argumentes.

    22 De Mauro (1993, p. 100).

    23 Nous ne considérons pas ici le recueil des langues parlées reproduites en laboratoire, ni les recherches de secteur à but dialectologique.

    24 Un corpus d’échantillons de langue écrite, littéraire, contemporaine, est en cours de constitution.

    25 « Germania anno zero », Rossellini,(1947) ; « Ladri di biciclette », De Sica (1948) ; « Catene », Matarazzo, (1949) ; « Nata ieri », Cukor, (1951) ; « Toto a colori », Steno, (1952) ; « Un americano a Roma », Steno, (1954) ; « Le amiche », Antonioni, (1955) ; « Poveri ma belli », D. Risi, (1957) ; « Otto e mezzo », Fellini, (1963) ; « Blow-up », Antonioni, (1966) ; « Paris-Texas », Wenders, (1984) ; « Il sogno della farfalla », Bellocchio, (1994)

    26 Ce volume a été conçu parallèlement à un volume d’échantillonnage du corpus de langue française parlée, du GARS d’Aix, Université de Provence, à l’intérieur du programme bilatéral France-Italie « Galileo ». Les deux volumes seront publiés respectivement par l’INaLF et par l’Accademia della Crusca. Ces publications sur papier seront suivies par un CD avec l’alignement son/transcription auquel nous espérons associer Win Pitch de Ph. Martin pour l’analyse du signal sonore.

    27 Ce choix a été fait après une discussion avec le sociolinguiste Bianconi (voir Bianconi, 1994 ; 1995), pour témoigner de l’aspect composite de la réalité linguistique.

    28 Le corpus de langue parlée cinématographique est au contraire déjà clairement signalé comme diachronique, car les 12 films qui le composent vont de 1948 à 1994.

    29 Je renvoie le lecteur à mes différents ouvrages : Lagarde, Ch., Les immigrés espagnols castillanophones de première génération en Roussillon. Pratiques et représentations diglossiques sur fond de conflit linguistique, thèse de doctorat, Université de Perpignan, 1993, dont sont issus Le parler ’melandjao’ des immigrés de langue espagnole en Roussillon, Perpignan, Presses universitaires de Perpignan,1996, et Conflits de langues, conflits de groupes. Les immigrés espagnols du Roussillon, Paris, L’Harmattan, 1996.

    30 La question de la modélisation a été posée de façon centrale lors du colloque : « L’ intégration des Espagnols et l’identité hispanique en Languedoc-Roussillon », Montpellier, 12 et 13 mai 1994, dont les Actes ont été publiés, Montpellier, ODAC de !’Hérault, 1994.

    31 Selinker, L., « lnterlanguage », IRAL, 10 (1972), p. 219-231.; Hymes, D., Pidginization and creolization of languages, Cambridge, Cambridge University Press, 1971.

    32 Vogel, K., Lemersprache. Linguistische und psycholinguistische grundfragen zu iher erforschung, Tübingen, Gunter Narr Verlag, 1990; L’interlangue. La langue de l’apprenant, Toulouse, Presses Universitaires du Mirail, 1995

    33 Ibid., p. 15.

    34 Cf. ibid..., p. 59-74.

    35 C’est tout le problème de la différence d’approche entre « variabilistes » et « variationnistes ». Pour la régulation sociale de la variation, cf. Labov, W., Sociolinguistique, Paris, Minuit, 1976.

    36 Cf. Petit, J., Au secours, je suis monolingue et francophone ! , Reims, Presses Universitaires de Reims, 1992.

    37 Je m’appuie ici sur mes propres enquêtes, cf. Lagarde, Ch., Le parler ’melandjao’..., op. cit., (chap. 3, « Les apprentissages des langues secondes »), p. 91 - 122.

    38 Ibid., « Les facteurs favorisant l’interférence dans la production du discours », p. 261-280.

    39 Sur le « francitan », français régional imprégné d’occitan, cf. Boyer, H., « Le ’francitan’. Matériaux pour l’approche des représentations et des fonctionnements sociolinguistiques d’un interlecte », Lengas, revue de sociolinguistique, 23 (1988), p. 71-95.

    40 Cf. Lagarde, Ch., Le parler ’melandjao’..., op. cit., « Conclusion. Le ’melandjao’, outil linguistique instable et éphémère », p. 305-309.

    41 Ainsi, trois documents de référence, du côté espagnol : Rubio, J., La emigración española a Francia, Barcelona, Ariel, 1974 ; du côté français, Milza, P., Peschanski, D. (dir.), Exils et migration. Italiens et Espagnols en France (1938-1946), Paris, L’Harmattan, 1994, et coll., Exil politique et migration économique. Espagnols et Français aux XIXe et XXe siècles, Paris, Éd. du CNRS, 1991, distinguent bien les motifs migratoires, mais quasiment jamais les critères linguistiques.

    42 Concernant le Roussillon, cf. Lagarde, Ch., « Les limites de l "intégration réussie", à travers le discours des immigrés castillanophones de première génération en Roussillon » in Actes du colloque « L’intégration des Espagnols et l’identité hispanique en Languedoc-Roussillon », op. cit., p. 86-96 ; sur l’immigration espagnole, de manière plus large, cf. Lagarde, Ch., « Les Espagnes à Toulouse au XXe siècle », Ve Congrès international de l’Association Internationale d’Études Occitanes, Toulouse, 19-26 août 1996, sous presse.

    43 Sur ces questions, cf. Lagarde, Ch., Conflits de langues, conflits de groupes, op. cit., p. 201-229 .

    44 Ou, comme l’indique le titre de ma thèse, Les immigrés espagnols castillanophones de première génération en Roussillon ..., op. cit., la définition de « première génération » correspondant à « ayant connu la condition d’immigrant ». Cette condition est du reste un élément « unificateur du social » (cf. Lagarde, Ch., Le parler ’melandjao’, op. cit., p. 296-299).

    45 Selinker, op. cit., p. 215.

    46 Petit, op. cit., p. 51.

    47 Vogel, op. cit., p. 39.

    48 L’interlangue étant comprise, admise, le critère d’altérité en vient ainsi à s’estomper.

    49 En tant qu’objet mesurable dans le temps, dans le cas d’une immigration qui se renouvelle, mêlant immigrants et immigrés de plus ou moins longue date.

    50 Le choix de langue fait sens (il témoigne d’un plus ou moins grand désir d’intégration), mais il est cependant délié de la compétence linguistique.

    51 Cf. Lagarde, Ch., Le parler ’melandjao’, op. cit., (chap. 6, « Dissymétrie des ensembles »), p. 251-260.

    52 Cette position s’inspire de l’évolution des techniques d’enquête chez William Labov (Sociolinguistique, op. cit. et Le parler ordinaire. La langue dans les ghettos noirs des États-Unis, Paris, Éd. de Minuit, 1978) qui se raffinent pour aboutir à celle de !’« enquêteur absent », c’est-à-dire déléguant sa tâche à un membre de la communauté étudiée, afin que sa présence étrangère dénature le moins possible la production discursive.

    53 Le foyer est en effet, à l’image d’une ambassade, une portion de territoire originel en terre étrangère. Certains individus s’y enferment pour fuir le contact social exolingue.

    54 Cf. Lagarde, Ch ., Le parler ’melandjao’, op. cit., p. 274-277.

    Auteurs

    • Claire Blanche-Benveniste

      Université de Provence

    • Maria Fernanda Bacelar Do Nascimento

      Centro de Lingufstica da Universidade de Lisboa (CLUL)

    • Raphael Salkie

      School of Languages, University of Brighton

    • Antonio Manuel Ávila Muñoz

      Universidad de Alicante

    • Massimo Moneglia

      LABLITA, Dipartimento di italianistica, Università di Firenze

    • Christian Lagarde

      Université de Perpignan

    Précédent Suivant
    Table des matières

    Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

    Voir plus de livres
    Les monarchies espagnole et française au temps de leur affrontement

    Les monarchies espagnole et française au temps de leur affrontement

    Milieu XVIe siècle - 1714. Synthèse et documents

    Jean-Pierre Dedieu, Gilbert Larguier et Jean-Paul Le Flem

    2001

    Figures du passeur

    Figures du passeur

    Paul Carmignani (dir.)

    2002

    Contribution à l’étude de la notion de revenus en droit privé

    Contribution à l’étude de la notion de revenus en droit privé

    Sébastien Robinne

    2003

    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Christian Lagarde

    1996

    Le métier de la politique sous la IIIe République

    Le métier de la politique sous la IIIe République

    Yves Billard

    2003

    Le discours sur les « langues d’Espagne »

    Le discours sur les « langues d’Espagne »

    Christian Lagarde (dir.)

    2009

    « Nicolas Le Floch », le Tableau de Paris de Jean-François Parot

    « Nicolas Le Floch », le Tableau de Paris de Jean-François Parot

    Pascale Arizmendi

    2010

    L’écran bleu

    L’écran bleu

    La représentation des ouvriers dans le cinéma français

    Michel Cadé

    2004

    L’avenir des langues anciennes

    L’avenir des langues anciennes

    Repenser les humanités classiques

    Olivier Rimbault

    2011

    La désorganisation

    La désorganisation

    Contribution à l’élaboration d’une théorie de la désorganisation en droit de l’entreprise

    Muriel Texier

    2006

    Le Livre Vert de Pierre de la Jugie

    Le Livre Vert de Pierre de la Jugie

    Une image de la fortune des archevêques de Narbonne au XIVe siècle. Étude d’une seigneurie

    Marie-Laure Jalabert

    2009

    Les territoires du sport entre politiques et pratiques

    Les territoires du sport entre politiques et pratiques

    David Giband et Jean-Marc Holz (dir.)

    2007

    Voir plus de livres
    1 / 12
    Les monarchies espagnole et française au temps de leur affrontement

    Les monarchies espagnole et française au temps de leur affrontement

    Milieu XVIe siècle - 1714. Synthèse et documents

    Jean-Pierre Dedieu, Gilbert Larguier et Jean-Paul Le Flem

    2001

    Figures du passeur

    Figures du passeur

    Paul Carmignani (dir.)

    2002

    Contribution à l’étude de la notion de revenus en droit privé

    Contribution à l’étude de la notion de revenus en droit privé

    Sébastien Robinne

    2003

    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Christian Lagarde

    1996

    Le métier de la politique sous la IIIe République

    Le métier de la politique sous la IIIe République

    Yves Billard

    2003

    Le discours sur les « langues d’Espagne »

    Le discours sur les « langues d’Espagne »

    Christian Lagarde (dir.)

    2009

    « Nicolas Le Floch », le Tableau de Paris de Jean-François Parot

    « Nicolas Le Floch », le Tableau de Paris de Jean-François Parot

    Pascale Arizmendi

    2010

    L’écran bleu

    L’écran bleu

    La représentation des ouvriers dans le cinéma français

    Michel Cadé

    2004

    L’avenir des langues anciennes

    L’avenir des langues anciennes

    Repenser les humanités classiques

    Olivier Rimbault

    2011

    La désorganisation

    La désorganisation

    Contribution à l’élaboration d’une théorie de la désorganisation en droit de l’entreprise

    Muriel Texier

    2006

    Le Livre Vert de Pierre de la Jugie

    Le Livre Vert de Pierre de la Jugie

    Une image de la fortune des archevêques de Narbonne au XIVe siècle. Étude d’une seigneurie

    Marie-Laure Jalabert

    2009

    Les territoires du sport entre politiques et pratiques

    Les territoires du sport entre politiques et pratiques

    David Giband et Jean-Marc Holz (dir.)

    2007

    Voir plus de livres
    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Christian Lagarde

    1996

    Voir plus de livres
    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Le parler « melandjao » des immigrés de langue espagnole en Roussillon

    Christian Lagarde

    1996

    Voir plus de chapitres

    Écrire en situation bilingue : de la discussion jaillit quelque lumière…

    Christian Lagarde

    L’Homme d’Oc et le Génie méditerranéen : un « coup d’éclat » ?

    Christian Lagarde

    L’institution scolaire face à la diversité linguistique

    Christian Lagarde

    L’identité linguistique, clé de voûte de l’identité nationale ?

    Le cas basque

    Christian Lagarde

    Avant-propos

    Christian Lagarde et Chrystelle Burban

    Lo Libre de Catòia, roman occitan de Jean Boudou Réflexion sur une éducation à la marginalité

    Christian Lagarde

    Rire de l’autre, rire de soi : le rire et le poids des stéréotypes

    Christian Lagarde

    Les politiques et campagnes de normalisation linguistique au fil de l’évolution sociopolitique de la Catalogne : de la LNL à la LPL ; de la Norma à la Queta

    Christian Lagarde

    Le « fait différentiel ». Représentations croisées Catalogne-Espagne : l’état de l’opinion

    Christian Lagarde

    Une satire de la Catalogne pujolienne : El hombre de mi vida, de Manuel Vázquez Montalbán

    Christian Lagarde

    Fin de siècle – début de siècle : la Catalogne à un tournant ?

    Christian Lagarde

    Un discours polémique sur la politique linguistique en Catalogne : La hipòtesi de la independència, d’Albert Branchadell

    Christian Lagarde

    Voir plus de chapitres
    1 / 12

    Écrire en situation bilingue : de la discussion jaillit quelque lumière…

    Christian Lagarde

    L’Homme d’Oc et le Génie méditerranéen : un « coup d’éclat » ?

    Christian Lagarde

    L’institution scolaire face à la diversité linguistique

    Christian Lagarde

    L’identité linguistique, clé de voûte de l’identité nationale ?

    Le cas basque

    Christian Lagarde

    Avant-propos

    Christian Lagarde et Chrystelle Burban

    Lo Libre de Catòia, roman occitan de Jean Boudou Réflexion sur une éducation à la marginalité

    Christian Lagarde

    Rire de l’autre, rire de soi : le rire et le poids des stéréotypes

    Christian Lagarde

    Les politiques et campagnes de normalisation linguistique au fil de l’évolution sociopolitique de la Catalogne : de la LNL à la LPL ; de la Norma à la Queta

    Christian Lagarde

    Le « fait différentiel ». Représentations croisées Catalogne-Espagne : l’état de l’opinion

    Christian Lagarde

    Une satire de la Catalogne pujolienne : El hombre de mi vida, de Manuel Vázquez Montalbán

    Christian Lagarde

    Fin de siècle – début de siècle : la Catalogne à un tournant ?

    Christian Lagarde

    Un discours polémique sur la politique linguistique en Catalogne : La hipòtesi de la independència, d’Albert Branchadell

    Christian Lagarde

    Accès ouvert

    Accès ouvert freemium

    ePub

    PDF

    PDF du chapitre

    Suggérer l’acquisition à votre bibliothèque

    Acheter

    Édition imprimée

    Presses universitaires de Perpignan
    • amazon.fr
    • decitre.fr
    • mollat.com
    • leslibraires.fr
    • lcdpu.fr
    ePub / PDF

    1 Svartvik, Jan and Quirk, Randolph (eds.), 1979, A Corpus of English Conversation. Lund : CWK. Gleerup, (Lund Studies in English), 893 p.

    2 Les documents rassemblés pour !’Espagnol Fondamental n’ont pas été publiés.

    3 Cf. Chaurand, J. et Lerat, P, 1981, « Français Fondamental et français aujourd’hui », Le Français dans le Monde, n° 159.

    4 Une description détaillée est donnée par Graeme KENNEDY, 1998, An Introduction to Corpus Linguistics, London/ New York: Longman, chapter two: « The design and development of corpora ».

    5 John SINCLAIR, 1991, Corpus, Concordance, Collocation. Oxford: Oxford University Press.

    6 Cf. S.CROWDY, « Spoken Corpus Transcription », Literary and Linguistic Computing, 9, 1: p. 25-28. Cf. Recherches Sur le Français Parlé, 1997, n° 14.

    7 Communication de G. Bergounioux.

    8 Ces enregistrements n’ont pas été conservés.

    9 Corpus du Bus, transcrit par Raingeard et Lorscheider.

    10 J’ai indiqué pour chaque corpus la disponibilité et le prix. Il faut souligner que la disponibilité est relative aux besoins de l’utilisateur : un corpus doit être installé sur un ordinateur puissant et accessible, sans problèmes techniques qui dépassent la compétence, avec un concordancier qui fournit les données que l’on recherche. Autrement, on n’a rien de plus qu’une simple collection de textes.
    Dans ce sens, le travail que l’on doit effectuer pour rendre un corpus disponible est énorme. Il est donc essentiel de commencer par une conception claire des besoins. Ce qui ressort de la liste qui suit est la grande variété des ressources électroniques. J’espère que cette variété aidera les chercheurs et les enseignants à se munir de corpus qui répondent réellement à leurs exigences.

    11 Remito a quien esté interesado en los planteamientos teóricos y metodológicos del diseño de la base de datos en concreto y del Proyecto de Investigación en general a las di versas publicaciones que han realizado al respecta los miembros del equipo de investigación. En concreto, Villena (1994a, 1994b, 1995), Ávila (1998).

    12 La metodología de observación y de recolección sigue los presupuestos y procedimientos utilizados, entre otros, en los trabajos de L. Milroy en lrlanda del Norte (1980), N. Dittmar y P. Schlobinski en Berlin (1988), A. Sobrero en Lecce (1988) o Bortoni-Ricardo en Brasilia (1985).

    13 De esta manera se ejerce un mayor control sobre el sesgo tal y como han demostrado, entre otras, las investigaciones de Labov en Harlem o Filadelfia, Milroy en Belfast o Bortoni-Ricardo en Brasilia.

    14 De hecho, se suele señalar la vocalidad como el rasgo necesario de la oralidad. Bustos Tovar (1995, p. 13).

    15 Hay que señalar que el material proveniente de esta situación constituye algo más del 75 % del total del corpus con lo que la exposición detallada de los problemas de recogida que aparecieron en este caso nos parece de interés.

    16 Labov (1972a ; 1972b ; 1984) ; Bortoni (1985, p. 217-225) ; Milroy (1980, p. 40-69) ; Bourdieu (1982, p. 40-46, especialmente 45-46).

    17 Vidich (1971, p. 164-173) ; Scheuch (1973, p. 166-224) ; Briggs (1984, p. 1-28) ; Anguera (1982) ; Villena (1994a, p. 22-23).

    18 Dittmar (1973, p. 280-285) ; Saville-Troike (1982, p. 113).

    19 Justicia (1995).

    20 Usamos el modelo descriptivo propuesto por Halliday (1970).

    21 Sin embargo, piénsese en los problemas que encontrarían los sistemas de desambiguación automática que no tienen en cuenta estas características prosódicas tan elementales. Corno puede observarse, a la crítica realizada en el capítulo 4 podrí amos seguir añadiendo argumentes.

    22 De Mauro (1993, p. 100).

    23 Nous ne considérons pas ici le recueil des langues parlées reproduites en laboratoire, ni les recherches de secteur à but dialectologique.

    24 Un corpus d’échantillons de langue écrite, littéraire, contemporaine, est en cours de constitution.

    25 « Germania anno zero », Rossellini,(1947) ; « Ladri di biciclette », De Sica (1948) ; « Catene », Matarazzo, (1949) ; « Nata ieri », Cukor, (1951) ; « Toto a colori », Steno, (1952) ; « Un americano a Roma », Steno, (1954) ; « Le amiche », Antonioni, (1955) ; « Poveri ma belli », D. Risi, (1957) ; « Otto e mezzo », Fellini, (1963) ; « Blow-up », Antonioni, (1966) ; « Paris-Texas », Wenders, (1984) ; « Il sogno della farfalla », Bellocchio, (1994)

    26 Ce volume a été conçu parallèlement à un volume d’échantillonnage du corpus de langue française parlée, du GARS d’Aix, Université de Provence, à l’intérieur du programme bilatéral France-Italie « Galileo ». Les deux volumes seront publiés respectivement par l’INaLF et par l’Accademia della Crusca. Ces publications sur papier seront suivies par un CD avec l’alignement son/transcription auquel nous espérons associer Win Pitch de Ph. Martin pour l’analyse du signal sonore.

    27 Ce choix a été fait après une discussion avec le sociolinguiste Bianconi (voir Bianconi, 1994 ; 1995), pour témoigner de l’aspect composite de la réalité linguistique.

    28 Le corpus de langue parlée cinématographique est au contraire déjà clairement signalé comme diachronique, car les 12 films qui le composent vont de 1948 à 1994.

    29 Je renvoie le lecteur à mes différents ouvrages : Lagarde, Ch., Les immigrés espagnols castillanophones de première génération en Roussillon. Pratiques et représentations diglossiques sur fond de conflit linguistique, thèse de doctorat, Université de Perpignan, 1993, dont sont issus Le parler ’melandjao’ des immigrés de langue espagnole en Roussillon, Perpignan, Presses universitaires de Perpignan,1996, et Conflits de langues, conflits de groupes. Les immigrés espagnols du Roussillon, Paris, L’Harmattan, 1996.

    30 La question de la modélisation a été posée de façon centrale lors du colloque : « L’ intégration des Espagnols et l’identité hispanique en Languedoc-Roussillon », Montpellier, 12 et 13 mai 1994, dont les Actes ont été publiés, Montpellier, ODAC de !’Hérault, 1994.

    31 Selinker, L., « lnterlanguage », IRAL, 10 (1972), p. 219-231.; Hymes, D., Pidginization and creolization of languages, Cambridge, Cambridge University Press, 1971.

    32 Vogel, K., Lemersprache. Linguistische und psycholinguistische grundfragen zu iher erforschung, Tübingen, Gunter Narr Verlag, 1990; L’interlangue. La langue de l’apprenant, Toulouse, Presses Universitaires du Mirail, 1995

    33 Ibid., p. 15.

    34 Cf. ibid..., p. 59-74.

    35 C’est tout le problème de la différence d’approche entre « variabilistes » et « variationnistes ». Pour la régulation sociale de la variation, cf. Labov, W., Sociolinguistique, Paris, Minuit, 1976.

    36 Cf. Petit, J., Au secours, je suis monolingue et francophone ! , Reims, Presses Universitaires de Reims, 1992.

    37 Je m’appuie ici sur mes propres enquêtes, cf. Lagarde, Ch., Le parler ’melandjao’..., op. cit., (chap. 3, « Les apprentissages des langues secondes »), p. 91 - 122.

    38 Ibid., « Les facteurs favorisant l’interférence dans la production du discours », p. 261-280.

    39 Sur le « francitan », français régional imprégné d’occitan, cf. Boyer, H., « Le ’francitan’. Matériaux pour l’approche des représentations et des fonctionnements sociolinguistiques d’un interlecte », Lengas, revue de sociolinguistique, 23 (1988), p. 71-95.

    40 Cf. Lagarde, Ch., Le parler ’melandjao’..., op. cit., « Conclusion. Le ’melandjao’, outil linguistique instable et éphémère », p. 305-309.

    41 Ainsi, trois documents de référence, du côté espagnol : Rubio, J., La emigración española a Francia, Barcelona, Ariel, 1974 ; du côté français, Milza, P., Peschanski, D. (dir.), Exils et migration. Italiens et Espagnols en France (1938-1946), Paris, L’Harmattan, 1994, et coll., Exil politique et migration économique. Espagnols et Français aux XIXe et XXe siècles, Paris, Éd. du CNRS, 1991, distinguent bien les motifs migratoires, mais quasiment jamais les critères linguistiques.

    42 Concernant le Roussillon, cf. Lagarde, Ch., « Les limites de l "intégration réussie", à travers le discours des immigrés castillanophones de première génération en Roussillon » in Actes du colloque « L’intégration des Espagnols et l’identité hispanique en Languedoc-Roussillon », op. cit., p. 86-96 ; sur l’immigration espagnole, de manière plus large, cf. Lagarde, Ch., « Les Espagnes à Toulouse au XXe siècle », Ve Congrès international de l’Association Internationale d’Études Occitanes, Toulouse, 19-26 août 1996, sous presse.

    43 Sur ces questions, cf. Lagarde, Ch., Conflits de langues, conflits de groupes, op. cit., p. 201-229 .

    44 Ou, comme l’indique le titre de ma thèse, Les immigrés espagnols castillanophones de première génération en Roussillon ..., op. cit., la définition de « première génération » correspondant à « ayant connu la condition d’immigrant ». Cette condition est du reste un élément « unificateur du social » (cf. Lagarde, Ch., Le parler ’melandjao’, op. cit., p. 296-299).

    45 Selinker, op. cit., p. 215.

    46 Petit, op. cit., p. 51.

    47 Vogel, op. cit., p. 39.

    48 L’interlangue étant comprise, admise, le critère d’altérité en vient ainsi à s’estomper.

    49 En tant qu’objet mesurable dans le temps, dans le cas d’une immigration qui se renouvelle, mêlant immigrants et immigrés de plus ou moins longue date.

    50 Le choix de langue fait sens (il témoigne d’un plus ou moins grand désir d’intégration), mais il est cependant délié de la compétence linguistique.

    51 Cf. Lagarde, Ch., Le parler ’melandjao’, op. cit., (chap. 6, « Dissymétrie des ensembles »), p. 251-260.

    52 Cette position s’inspire de l’évolution des techniques d’enquête chez William Labov (Sociolinguistique, op. cit. et Le parler ordinaire. La langue dans les ghettos noirs des États-Unis, Paris, Éd. de Minuit, 1978) qui se raffinent pour aboutir à celle de !’« enquêteur absent », c’est-à-dire déléguant sa tâche à un membre de la communauté étudiée, afin que sa présence étrangère dénature le moins possible la production discursive.

    53 Le foyer est en effet, à l’image d’une ambassade, une portion de territoire originel en terre étrangère. Certains individus s’y enferment pour fuir le contact social exolingue.

    54 Cf. Lagarde, Ch ., Le parler ’melandjao’, op. cit., p. 274-277.

    Corpus

    X Facebook Email

    Corpus

    Ce livre est cité par

    • Roubaud, Marie-Noëlle. (2017) Le français écrit : transcription et édition. Le cas des textes scolaires. Corpus. DOI: 10.4000/corpus.2770
    • Berard, Lolita. Benzitoun, Christophe. (2010) Mutualisation et uniformisation de ressources de français parlé. Cahiers de praxématique. DOI: 10.4000/praxematique.1141
    • Landragin, Frédéric. (2017) Analyse, visualisation et identification automatique des chaînes de coréférences : des questions interdépendantes ?. Langue française, N° 195. DOI: 10.3917/lf.195.0017
    • Bilger, Mireille. Cappeau, Paul. (2013) Comment les données de corpus pourraient renouveler les manuels de grammaire ?. Linx. DOI: 10.4000/linx.1526
    • Witko, Agnès. (2010) Corpus et pathologie du langage. Quelle approche en orthophonie-logopédie ?. Cahiers de praxématique. DOI: 10.4000/praxematique.1133
    • Mayaffre, Damon. (2002) Les corpus réflexifs : entre architextualité et hypertextualité. Corpus. DOI: 10.4000/corpus.11
    • Cori, Marcel. David, Sophie. Léon, Jacqueline. (2008) Présentation : éléments de réflexion sur la place des corpus en linguistique. Langages, n° 171. DOI: 10.3917/lang.171.0005
    • Lyche, Chantal. (2005) Pour un renouvellement des données phonologiques. Lidil. DOI: 10.4000/lidil.148
    • Cori, Marcel. David, Sophie. (2008) Les corpus fondent-ils une nouvelle linguistique ?. Langages, n° 171. DOI: 10.3917/lang.171.0111
    • Landron, Simon. Paillereau, Nikola. Nawafleh, Ahmad. Exare, Christelle. Ando, Hirofumi. Gao, Jiayin. (2010) Le corpus PhoDiFLE1 : un corpus commun de français langue étrangère pour une étude phonétique des productions de locuteurs de langues maternelles plurielles. Cahiers de praxématique. DOI: 10.4000/praxematique.1119
    • Lay, Marie-Hélène. (2024) Le numérique et le dictionnaire : l’impact de l’artéfact numérique sur la lexicographie (1970-2010). Humanités numériques, 10. DOI: 10.4000/12ypt
    • Garric, Nathalie. Longhi, Julien. (2012) L'analyse de corpus face à l'hétérogénéité des données : d'une difficulté méthodologique à une nécessité épistémologique. Langages, n° 187. DOI: 10.3917/lang.187.0003
    • CARRUTHERS, JANICE. (2008) Annotating an oral corpus using the Text Encoding Initiative. Methodology, problems, solutions. Journal of French Language Studies, 18. DOI: 10.1017/S0959269507003183
    • Dalbera, Jean-Philippe. (2002) Le corpus entre données, analyse et théorie. Corpus. DOI: 10.4000/corpus.10

    Ce chapitre est cité par

    • Cori, Marcel. David, Sophie. (2008) Les corpus fondent-ils une nouvelle linguistique ?. Langages, n° 171. DOI: 10.3917/lang.171.0111

    Corpus

    Ce livre est diffusé en accès ouvert freemium. L’accès à la lecture en ligne est disponible. L’accès aux versions PDF et ePub est réservé aux bibliothèques l’ayant acquis. Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks

    Suggérer l’acquisition à votre bibliothèque Acheter ce livre aux formats PDF et ePub

    Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org

    Corpus

    Vérifiez si votre bibliothèque a déjà acquis ce livre : authentifiez-vous à OpenEdition Freemium for Books.

    Vous pouvez suggérer à votre bibliothèque d’acquérir un ou plusieurs livres publiés sur OpenEdition Books. N’hésitez pas à lui indiquer nos coordonnées : access[at]openedition.org

    Vous pouvez également nous indiquer, à l’aide du formulaire suivant, les coordonnées de votre bibliothèque afin que nous la contactions pour lui suggérer l’achat de ce livre. Les champs suivis de (*) sont obligatoires.

    Veuillez, s’il vous plaît, remplir tous les champs.

    La syntaxe de l’email est incorrecte.

    Référence numérique du chapitre

    Format

    Blanche-Benveniste, C., Nascimento, M. F. B. D., Salkie, R., Muñoz, A. M. Ávila, Moneglia, M., & Lagarde, C. (2000). Chapitre premier. Types de corpus. In M. Bilger (éd.), Corpus. Perpignan: Presses universitaires de Perpignan. https://doi.org/10.4000/books.pupvd.42490
    Blanche-Benveniste, Claire, Maria Fernanda Bacelar Do Nascimento, Raphael Salkie, Antonio Manuel Ávila Muñoz, Massimo Moneglia, et Christian Lagarde. « Chapitre premier. Types de corpus ». In Corpus, édité par Mireille Bilger. Perpignan: Presses universitaires de Perpignan, 2000. doi:10.4000/books.pupvd.42490.
    Blanche-Benveniste, Claire, et al. « Chapitre premier. Types de corpus ». Corpus, édité par Mireille Bilger, Presses universitaires de Perpignan, 2000, https://doi.org/10.4000/books.pupvd.42490.

    Référence numérique du livre

    Format

    Bilger, M. (éd.). (2000). Corpus. Perpignan: Presses universitaires de Perpignan, Librairie Honoré Champion. https://doi.org/10.4000/books.pupvd.42458
    Bilger, Mireille, éd. Corpus. Perpignan: Presses universitaires de Perpignan, Librairie Honoré Champion, 2000. doi:10.4000/books.pupvd.42458.
    Bilger, Mireille, éditeur. Corpus. Presses universitaires de Perpignan, Librairie Honoré Champion, 2000, https://doi.org/10.4000/books.pupvd.42458.
    Compatible avec Zotero Zotero

    1 / 3

    Presses universitaires de Perpignan

    Presses universitaires de Perpignan

    • Mentions légales
    • Plan du site
    • Se connecter

    Suivez-nous

    • Flux RSS

    URL : http://pup.univ-perp.fr

    Email : pup@univ-perp.fr

    Adresse :

    Service général de l’université de Perpignan Via Domitia

    BU Sciences

    52 avenue Paul Alduy

    66860

    Perpignan

    France

    OpenEdition
    • Candidater à OpenEdition Books
    • Connaître le programme OpenEdition Freemium
    • Commander des livres
    • S’abonner à la lettre d’OpenEdition
    • CGU d’OpenEdition Books
    • Accessibilité : partiellement conforme
    • Données personnelles
    • Gestion des cookies
    • Système de signalement