1Dans ce chapitre, nous examinons les routines discursives liées aux noms scientifiques pour leur enseignement en milieu universitaire. Les noms scientifiques, tels que théorie, hypothèse et méthode, constituent un objet de recherche important en raison de leur position centrale dans l’argumentation scientifique. Ils sont utilisés dans les disciplines scientifiques pour dénommer des concepts fondamentaux de la recherche. Malgré les idéaux de clarté et d’univocité traditionnellement liés au discours scientifique, plusieurs recherches ont montré que les noms scientifiques peuvent être polysémiques y compris dans un même champ disciplinaire (Cavalla & Grossmann, 2005 ; Konstenius, 2014 ; Luodonpää-Manni, 2016). Cela constitue un défi pour l’enseignant qui doit expliquer aux apprenants-étudiants, jeunes chercheurs, les caractéristiques de l’écriture scientifique et la variation sémantique de ces noms scientifiques.

2L’objectif de la présente étude est double : il s’agit de relever dans les écrits académiques les constructions – de type « routines discursives » – autour des noms scientifiques les plus utilisées puis de réfléchir à comment les enseigner et donc tâcher de répondre aux questions métalinguistiques et didactiques que cela soulève. Nous avons développé un modèle pédagogique pour l’enseignement du lexique scientifique qui prend appui sur les convergences et les divergences linguistiques entre ces noms scientifiques. Ces noms et leurs différents sens peuvent créer des confusions chez l’apprenant notamment en l’absence de présentation systématique des utilisations discursives spécifiques de chacun d’entre eux. Nous espérons que la prise en compte de la variation sémantique dans l’usage de ces noms scientifiques pourrait aider les étudiants à utiliser ces notions dans leurs écrits scientifiques.

3Notre modèle pédagogique se fonde sur l’approche onomasiologique qui permet d’aborder les noms scientifiques les plus fréquents dans un réseau lexico-sémantique sous forme de carte mentale. Ce modèle a été expérimenté pendant deux années consécutives pour former des étudiants étrangers à l’écrit scientifique, en prenant en compte les structures discursives et les formes langagières récurrentes dans ce genre d’écrits.

4Nous commencerons par situer notre recherche par rapport aux travaux autour des noms scientifiques et des routines discursives. Nous préciserons ensuite la méthodologie du travail ainsi que les expérimentations que nous avons menées. Les expérimentations vont être analysées d’un point de vue discursif, sémantique et didactique.

1. Noms scientifiques

5Les noms scientifiques examinés dans la présente étude font partie du vocabulaire scientifique général tel que défini par Phal (1971) dans son travail pionnier :

Le vocabulaire scientifique général est […] commun à toutes les spécialités. Il sert à exprimer les notions élémentaires dont elles ont toutes également besoin (mesure, poids, rapport, vitesse, etc.) et les opérations intellectuelles que suppose toute démarche méthodique de la pensée (hypothèse, mise en relation, déduction et induction, etc.). (Phal, 1971, p. 9)

6Depuis la parution de Vocabulaire général d’orientation scientifique (Phal, 1971), des vocabulaires scientifiques ont été compilés dans l’Academic Word List de Coxhead (2000) ou encore, pour le français, dans le Lexique Scientifique Transdisciplinaire, dans le cadre du projet TermITH-Transdisciplinaire1 (Jacques & Tutin, 2018). À la différence de la terminologie spécialisée, ces vocabulaires ne sont pas limités uniquement aux termes techniques (l’atome, la gravitation, les quarks, etc.), mais incluent aussi du lexique plus général (modèle, présenter, montrer, etc.) utilisé aussi bien dans le discours scientifique que dans la langue commune. Le vocabulaire scientifique général et, par conséquent, les noms scientifiques examinés dans cette recherche, présentent donc la spécificité d’être à la croisée de la langue spécialisée et de la langue courante.

7Les usages scientifiques de lexies communes dans le discours scientifique peuvent présenter des caractéristiques qui diffèrent de leur usage courant. Le langage scientifique n’étant la langue maternelle de personne, l’emploi approprié des noms scientifiques doit être appris au cours de la formation universitaire. Leur emploi est notable dans les routines discursives scientifiques, comprises ici comme des expressions récurrentes dans l’écrit scientifique avec une fonction discursive et rhétorique spécifique (Kraif & Tutin, 2017 ; Tutin, 2018b ; chapitre IV, ce volume), ou avec une dimension dialogique qui se manifeste par les routines de guidage de l’auteur ou de structuration textuelle (chapitres II & V, ce volume). La sensibilisation des jeunes chercheurs à l’utilisation de ces routines fait partie de leur formation à l’écriture scientifique (Tutin, 2007a et 2007b). Pour répondre à ces besoins didactiques, nous proposons un modèle pédagogique fondé sur les descriptions discursives des noms scientifiques avec les modèles de leur emploi dans des recherches antérieures repérés dans le corpus Scientext2. Les constructions autour des noms scientifiques auxquelles nous nous intéressons ici sont principalement de la forme [V + N]. Ainsi, afin de mettre au jour les routines d’écriture, nous mobilisons d’abord des collocations dont une partie évolue ensuite en routines. Notre traitement des constructions autour des noms scientifiques dépasse donc le niveau des collocations puisque nous ne nous limitons pas aux associations lexicales privilégiées liées à nos noms scientifiques, mais nous les examinons par rapport à leurs fonctions discursives et rhétoriques spécifiques. Au lieu de nous contenter de lister les collocations du type émettre une hypothèse, nous discutons plus largement des fonctions que jouent les hypothèses dans le discours scientifique (celles d’introduire ou de tester une affirmation) tout en prenant en compte les différentes façons de verbaliser ces fonctions (routines discursives). Ainsi avons-nous deux éléments pour l’analyse : les collocations et les routines discursives. Nous adoptons les définitions suivantes dans ce chapitre :

Une collocation est l’association d’une lexie (mot simple ou phrasème) L et d’un constituant C (généralement une lexie, mais parfois un syntagme par exemple à couper au couteau dans un brouillard à couper au couteau) entretenant une relation syntaxique telle que :
– C (le collocatif) est sélectionné en production pour exprimer un sens donné en cooccurrence avec L (la base) ;
– Le sens de L est habituel. (Tutin & Grossmann, 2002, p. 12)

8Les routines sémantico-rhétoriques sont définies par Tutin et Kraif (2016) de la façon suivante :

– sur le plan formel, ces expressions constituent des énoncés récurrents, souvent construits autour d’un verbe ; les expressions nominales ou adjectivales ne sont en principe pas des routines, même si des expressions de ce type peuvent être intégrées à des routines ;
– sur le plan sémantique, les éléments de la routine sont construits autour d’un prédicat et d’éléments remplissant différents rôles sémantiques, comme un agent, un objet ou un lieu ; les routines peuvent se réaliser à l’aide d’un matériel lexical varié, mais la structure sémantique reste assez stable ;
– en ce qui concerne les fonctions de ces routines, on observe qu’elles remplissent une fonction discursive et/ou rhétorique spécifique. (Tutin & Kraif, 2016, p. 123)

9Les collocations sont alors un cas particulier des routines et nous tâcherons de les distinguer tout au long de l’article.

2. Méthodologie

2.1. Linguistique de corpus dans l’enseignement/apprentissage des langues

10Notre travail se situe dans la lignée des travaux qui cherchent à intégrer les corpus en classe de langue. Depuis Firth (1957) et Sinclair (1987) pour l’enseignement de l’anglais, les corpus numériques et leur utilisation pour l’enseignement et l’apprentissage d’une langue ne sont plus à démontrer. Toutefois, malgré l’existence de grands corpus – d’abord en anglais (Cobuild, BNC) puis, progressivement, en français (ScienQuest et Lexicoscope à l’écrit et Clapi-FLE ou Florale à l’oral, par exemple) – ces outils numériques ne sont pas très utilisés dans l’enseignement des langues si ce n’est dans les milieux universitaires (Boulton, 2008). Reconnaissons que leur utilisation requiert une formation, ce qui peut rendre réticents enseignants et apprenants. Afin de surmonter cet obstacle, depuis plusieurs années, dans le cadre du FOU3 et à l’aide du corpus Scientext, nous avons développé (Yan, Tran & Cavalla, 2018) des séquences pour l’enseignement de l’écrit académique. Nous avons suivi les recommandations des chercheurs à propos de l’introduction des corpus numériques en classe, notamment l’utilisation de petits corpus (Chambers & O’Sullivan, 2004). En effet, nous utilisons des concordanciers d’exemples longs (une à deux phrases) au format papier ou électronique quand il est possible de placer les apprenants devant des ordinateurs. Nous fonctionnons d’abord avec du papier afin de ne pas noyer les étudiants avec trop d’exemples, puis il est possible de manipuler directement le corpus en ligne. D’autres critères sont pris en compte et notamment l’approche pédagogique à adopter. Les étudiants travaillent sur des extractions choisies par l’enseignant et ensuite, ils pourront extraire eux-mêmes les éléments de leur choix à partir du corpus en ligne. Cela correspond à l’approche dite « corpus based » (Leech, 1992) où le corpus sert à vérifier des données ou à constituer un concordancier à partir d’un élément connu de l’utilisateur. La deuxième entrée très utilisée correspond à la démarche « pilotée par le corpus » (« corpus driven ») (ou DDL : Data Driven Learning) dans laquelle l’utilisateur se sert du corpus pour découvrir des éléments. Dans ce cas, c’est le corpus qui donne à voir ce qu’il contient (Sinclair, 1987). Cette dernière approche permet de révéler des éléments qui deviennent saillants quand ils sont extraits et sélectionnés pour les étudiants. Dans un premier temps, l’extraction des lexies sous forme de concordanciers permet de les étudier et de développer des exercices autour du lexique, du sens et de la combinatoire syntaxique. Dans un second temps, et après une formation, les apprenants procèdent à leurs propres extractions (Cavalla, 2018).

11Dans ce travail, les concordanciers sont des extractions du corpus ScienQuest du projet Scientext4 (Tutin & Grossmann, 2013). Notre corpus d’analyse se compose de 500 articles de recherche rédigés en français provenant de 10 disciplines en sciences humaines et sociales, environ 4,8 millions de mots (Tran, 2014 ; Hatier, 2016). Ce corpus a été étiqueté morpho-syntaxiquement et annoté linguistiquement afin de faciliter les requêtes syntaxiques et sémantiques. Les exemples venant du corpus ScienQuest permettent aux étudiants de se familiariser avec le lexique ainsi que les structures du discours scientifique. Dans le cadre de nos expérimentations, les routines discursives servent de modèle que nos apprenants peuvent suivre quand ils rédigent. Nous rejoignons Johns (1991) quant au rôle du corpus pour développer l’autonomie des apprenants dans leur apprentissage, car nous souhaitons aider les apprenants à développer les stratégies de découverte en les laissant travailler sur les exemples concrets extraits du corpus.

2.2. Approche onomasiologique

12L’enseignement du lexique peut se faire selon deux perspectives complémentaires : sémasiologique et onomasiologique. En linguistique, la perspective sémasiologique consiste en l’analyse sémantique des expressions linguistiques et prend la lexie comme point de départ alors que la perspective onomasiologique concerne l’investigation de la dénomination d’une certaine entité physique ou mentale (Temmerman, 2000, p. 224). D’un point de vue didactique, cela correspond à la question de l’introduction des mots en classe de langue :

• Selon l’entrée onomasiologique, le mot est introduit dans le cadre d’une thématique et l’enseignant aide les apprenants à répondre à la question suivante : de quels mots a-t-on besoin pour dire cette thématique ?
• Selon l’entrée sémasiologique, le mot est introduit de façon isolée et l’enseignant aide les apprenants à comprendre comment l’utiliser dans des contextes spécifiques.

13Dans ce travail, l’approche onomasiologique est première, car il s’agit d’aider les apprenants à répondre à la question suivante : « De quels éléments a-t-on besoin pour rédiger un écrit scientifique ? ». Dans ce cas précis, nous en sommes à la deuxième phase puisqu’il s’agit de zoomer sur un exemple en particulier et donc nous utilisons l’approche sémasiologique, car nous nous arrêtons sur quelques mots spécifiques.

14Ainsi s’agit-il de faire découvrir certaines spécificités des écrits académiques aux étudiants pour qu’ils puissent passer ensuite à la production d’un écrit. Nous avons commencé par une sensibilisation à l’utilisation du mot hypothèse dans le cadre de la formulation de la problématique. Le déroulement de l’expérimentation et son analyse sont détaillés ci-après.

2.3. Carte mentale comme aide à la mémorisation

15Les cartes mentales, appelées également « cartes heuristiques » ou « mind maps » en anglais, sont « des schémas de type arborescent développés avec l’ambition de suivre un modèle du fonctionnement cérébral (pensée par association) » (Cavalla, Loiseau, Lascombe & Socha, 2014, p. 10). Depuis les années 70, elles ont été utilisées dans les entreprises pour préparer les présentations, les réunions et le management. Plusieurs travaux ont montré le rôle de la carte mentale dans l’apprentissage comme outil qui établit les différents liens entre les nouveaux éléments pour les organiser, et les connaissances de chacun (Novak & Gowin, 1984). Le fonctionnement des cartes mentales se rapproche de celui du cerveau, c’est-à-dire qu’il est non linéaire ou non séquentiel, « toutes les idées de la mind map étant reliées les unes aux autres, celle-ci permet au cerveau de déployer des prodiges de compréhension et d’imagination par le biais de l’association » (Buzan, 2012, p. 10). L’utilisation des cartes mentales a été également introduite en classe de langue pour enseigner la production écrite (Barna, 2009), ou pour travailler les collocations (Cavalla, Loiseau, Lascombe & Socha, 2014), ou dans le cadre du français sur objectifs spécifiques pour enseigner le lexique de la cuisine (Yang & Cavalla, 2019). Dans notre travail, l’utilisation de la carte mentale correspond à notre approche onomasiologique et permet aux étudiants de manipuler la langue tout en ayant une liste structurelle de mots et d’expressions pour la rédaction.

16La conception des cartes mentales peut se faire avec papier et crayon ou grâce à un logiciel (FreeMind, CmapTools). Dans le cadre de nos expérimentations, les étudiants ont été invités à produire leurs cartes mentales sur papier. L’utilisation des cartes mentales nous permet d’évaluer la maitrise de différentes routines des noms scientifiques chez les étudiants en début et à la fin des expérimentations. Les routines [verbe + nom scientifique] ont d’abord un statut collocatif, mais peuvent évoluer en éléments d’écriture – dotés d’une fonction discursive spécifique – fréquents dans un genre textuel (discours scientifique) (Tutin & Kraif, 2016 ; Née, Sitri & Veniard, 2016). Nous allons recourir également aux productions écrites pour vérifier comment ces associations lexicales ont été utilisées concrètement dans les contextes phrastiques.

3. Séquence pédagogique et expérimentations

17Les expérimentations se sont déroulées pendant deux années universitaires consécutives, 2018-2019, à l’Université d’Artois au sein du DU FLEPES5. Cette formation a pour objectif d’apporter une préparation linguistique et méthodologique aux étudiants allophones afin de les aider à mieux s’intégrer aux universités françaises. Ces étudiants viennent de différentes cultures éducatives (Libye, Vietnam, Chine, Qatar) et disposent d’un bagage linguistique hétérogène qui varie des niveaux A2 à B2 du Cadre européen commun de référence pour les langues (CECRL, 2001). Les étudiants que nous avons eus en charge entreront en master l’année suivante, et leurs profils diffèrent. En effet, tandis que les étudiants de 2017-2018 souhaitaient intégrer différentes filières universitaires (économie, banque et finance, génie civil, arts et spectacle, FLE – [désormais groupe 1]) ; en 2018-2019, les étudiants désiraient effectuer un master FLE et avaient un niveau B2 ou C1 en français (groupe 2). Ce dernier groupe comprenait trois nationalités (libyenne, vietnamienne, chinoise). Nous avons remarqué dans ce dernier groupe deux styles d’apprentissages que nous essayerons d’interpréter un peu plus loin.

3.1. Séquence pédagogique

18Dans la séquence pédagogique développée, nous avons pris le parti de travailler sur les usages authentiques de trois noms scientifiques : théorie, hypothèse et méthode. L’expérimentation s’appuie sur l’étude de Luodonpää-Manni (2016) qui a analysé les usages des trois noms dans 120 articles de recherche. Sur la base des résultats obtenus, nous avons formulé deux usages pour chaque nom scientifique, illustrés par des exemples issus de TermITH-Transdisciplinaire (annexe 2). Les expérimentations contiennent deux temps : un pré-test et un post-test avec des productions écrites entre les deux.

1. un pré-test : il s’agit de la création des cartes mentales lexico-sémantiques autour de trois noms scientifiques (hypothèse, méthode et théorie) ;
2. des devoirs à rédiger afin de comprendre comment les étudiants intègrent, dans leurs écrits, ces noms scientifiques ;
3. un post-test uniquement sur le nom hypothèse a été proposé en fin de séquence (voir annexe 1 pour la consigne des tests).

19Il est à préciser que la première expérimentation a duré une vingtaine d’heures, tandis que la deuxième environ quarante. Les résultats que nous avons obtenus, à la suite de la première expérimentation, ont permis de réajuster nos propositions didactiques lors de la deuxième expérimentation.

20Les expérimentations s’inscrivent dans le cadre d’un module portant sur l’écriture académique dont l’objectif est d’aider les étudiants à se familiariser à un nouveau genre d’écrit. Le module a été structuré en fonction des parties principales dans un écrit académique (introduction, développement, conclusion) et en fonction des contenus discursifs (formulation d’une problématique ou d’une hypothèse, reformulation, positionnement, etc.).

21Le pré-test a permis d’identifier les besoins des étudiants, à travers notamment des lacunes, pour l’utilisation de ces trois noms scientifiques. Pour des contraintes temporelles, un seul nom scientifique a été abordé de façon détaillée : hypothèse. Les noms sont présentés aux apprenants dans leur réseau lexical, donc selon une approche onomasiologique dans un premier temps. L’entrée sémasiologique se fait alors sur le nom hypothèse, qui se trouve en général soit en introduction (formuler une hypothèse, faire une hypothèse), soit en conclusion pour valider les hypothèses (confirmer une hypothèse, valider une hypothèse). Comme il semble difficile d’introduire le terme hypothèse sans aborder le champ lexical qu’il englobe, nous avons travaillé sur les éléments qui contribuent à l’introduction d’une problématique et d’une ou des hypothèse(s), car certains étudiants ont eu un peu de mal à différencier ces deux notions. Les exemples extraits du corpus TermITH-Transdisciplinaire permettent aux étudiants de travailler sur des données authentiques et également de prendre conscience de la structure d’un écrit académique ainsi que des contraintes qu’impose ce genre spécifique.

3.2. Déroulement des expérimentations

22Dans le cadre de nos deux expérimentations, nous avons recouru au corpus TermITH-Transdisciplinaire comme modèle vers lequel les étudiants peuvent s’orienter pour construire leur discours. Les exemples authentiques extraits des écrits scientifiques leur permettent de comprendre les différentes normes dans ces écrits, et de s’approprier les structures discursives et le lexique. Il est à noter que le déroulement des deux expérimentations diffère légèrement, car nous avons tenu compte des niveaux des apprenants et de l’exigence pour l’obtention du diplôme B2 ou C1. Pour le groupe 1, le pré-test a été effectué à la maison en raison de contraintes temporelles. Les étudiants ont eu des consignes et des explications écrites pour créer une carte mentale. Ainsi, nous ne pouvons pas savoir s’ils ont consulté d’autres sources pour connaitre la combinaison des mots. Pour le groupe 2, le pré-test leur a été distribué en classe pour l’élaboration d’une carte mentale.

23Entre les pré-tests et les post-tests, les étudiants ont eu des exercices pour repérer les éléments linguistiques utiles pour introduire une hypothèse. Ils ont également travaillé sur les sens que véhicule le nom hypothèse. Il est alors apparu important d’évaluer comment les étudiants introduisent les associations et les formules présentées en classe dans leur production écrite. Les étudiants du groupe 1 ont eu à rédiger une introduction sur un sujet dans leur domaine de spécialité tout en réinvestissant les expressions vues en classe. Il en ressort que très peu d’étudiants connaissent les noms scientifiques puisque seulement quatre d’entre eux les ont utilisés lors du pré-test. Même si les résultats du post-test ont montré que certaines associations ont été comprises par les étudiants, par exemple pour introduire une formulation, l’utilisation de ces routines dans les productions écrites n’est pas automatique.

24En tenant compte des résultats de cette première expérimentation, nous avons accordé davantage de temps aux étudiants pour travailler sur les différents exemples d’hypothèse. Il est à noter que la problématique a été abordée en parallèle aux hypothèses. Même si le niveau en langue du groupe 2 est supérieur à celui du groupe 1, l’introduction de la notion d’« hypothèse » n’a pas été évidente car, tout comme la problématique, la formulation d’une hypothèse ne faisait pas partie de leur cursus antérieur. Certains avaient du mal à différencier une problématique d’une hypothèse.

25Les étudiants du groupe 2 ont eu davantage d’exercices de rédaction tout en s’appuyant sur des textes supports. Dans l’objectif d’aider les étudiants à mieux préparer les examens dans le cadre du DU, nous avons opté pour des sujets transversaux des textes choisis (intelligence artificielle, deep learning, environnement, banque, etc.). Les textes étudiés sont de longueur variée (de 300 à 600 mots).

26Pour la deuxième expérimentation, la consigne exigeait que les étudiants rédigent une introduction dans laquelle il leur fallait introduire une problématique et une ou plusieurs hypothèse(s). Tous les étudiants ont été attentifs à respecter la consigne. Pour mieux comprendre leurs besoins à ce propos, voici une analyse sémantique et discursive des productions in fine de ces étudiants.

4. Analyse des résultats

27Dans cette partie, nous allons analyser les cartes mentales faites lors des pré-tests et des post-tests ainsi que les copies des étudiants, afin de relever leurs représentations de l’utilisation des noms scientifiques. Ainsi, nous espérons comprendre leurs difficultés. Les analyses vont être effectuées à la fois sur le plan syntactico-sémantique et discursif.

4.1. Perspective discursive

28Sur la base des cartes mentales faites par les étudiants pour le pré-test, on constate qu’ils ont une conception préalable plus ou moins appropriée des trois noms scientifiques. Bien que le niveau des étudiants soit assez varié, théorie est généralement associé à deux usages : fondement abstrait (adopter, s’appuyer sur, utiliser) et explication à tester (expliquer, fiable, conforter). Pourtant, du point de vue de l’emploi fréquent de théorie dans le discours scientifique, les réponses des étudiants ne sont pas tout à fait précises. Les étudiants proposent un nombre de verbes liés à l’élaboration des théories (développer, élaborer, formuler) bien que, selon les résultats de Luodonpää-Manni (2016), les linguistes élaborent rarement leur propre théorie. Même dans un tel cas, quand il s’agit de chercheurs connus dans le domaine de la linguistique, cet usage ne peut concerner autant les étudiants. La pratique la plus courante est de nommer les nouveaux construits scientifiques par d’autres noms, notamment hypothèse ou modèle. Selon les résultats de Luodonpää-Manni (2016), cela est dû au fait que le nom théorie est généralement associé à des construits assez bien établis, alors que les construits scientifiques élaborés pour les besoins d’une étude lambda doivent être testés davantage avant d’être acceptés comme théories.

29On constate que les étudiants ne font pas de différence nette entre théorie et hypothèse dans leurs cartes mentales du pré-test. Hypothèse est principalement associé à sa fonction de tester les affirmations scientifiques et les mêmes verbes (confirmer, émettre, évaluer, examiner, tester, vérifier) et adjectifs (fiable, plausible) apparaissent pour les deux noms. Sur la base des cartes mentales produites par les étudiants, il n’est pas clair de savoir dans quelle mesure ils connaissent les différences sémantiques entre ces deux noms. Dans le discours de recherche, les différences d’usage semblent nettes : alors que théorie est utilisé pour les construits scientifiques relativement cohérents et bien établis, hypothèse est typiquement attribué aux affirmations singulières qui doivent encore être testées (Luodonpää-Manni, 2016).

30Dans les cartes mentales, méthode est associé à la fonction de technique de recherche, mais les étudiants ne font pas de différence entre la méthode comme procédé d’investigation et la méthode comme procédé de collecte du matériel. Plus précisément, ils échouent à montrer les liens entre la méthode et le recueil du corpus. Les verbes (analyser, suivre), les noms (pratique, technique) et les adjectifs (qualitative, quantitative) inclus par les étudiants dans leurs cartes associent méthode à l’examen du matériel, alors que les méthodes utilisées pour la collecte du corpus ne sont évoquées dans aucune réponse. Il serait pourtant important de se souvenir des deux usages de méthode dans le discours scientifique : tout en faisant la différence entre les deux emplois, l’étudiant est conduit à réfléchir sur, ainsi que rapporter, les différentes étapes de la recherche, ce qui peut augmenter la précision méthodologique de son travail.

31Comme nous l’avons précisé précédemment, après les pré-tests, les étudiants ont rédigé régulièrement des devoirs afin de montrer comment ils intègrent les routines discursives liées aux noms scientifiques dans leurs écrits. Une analyse des post-tests montre que l’entrainement donne des résultats pour une prise de conscience des étudiants sur les spécificités discursives de hypothèse. Dans la plupart des réponses du groupe 2 (16 sur 18), hypothèse est associé à deux phases du travail : 1) la formulation des idées initiales (hypothèse de travail) et 2) la vérification de ces idées au cours de la recherche (hypothèse de recherche). Les étudiants n’ont donc pas produit de simples associations lexicales [verbe + hypothèse], mais les cartes mentales témoignent d’une routinisation des spécificités discursives liées à ce nom dans le discours scientifique ([verbe pour introduire + hypothèse] et [verbe pour tester + hypothèse]). La figure 1 montre que les deux fonctions de hypothèse présentent des verbalisations variées dans les segments phraséologiques. À la différence du pré-test, les étudiants sont désormais conscients du sens pragmatique évolutif de hypothèse, ce qui se voit dans les adjectifs proposés dans les cartes mentales (faible, improbable, incertaine) pour accompagner ce nom. En outre, les étudiants voient mieux comment ce nom peut être intégré dans leur écrit scientifique, comme on peut le noter dans la figure 1 :

Figure 1. Carte mentale du post-test par un étudiant du groupe 2.

32La figure 1 montre que l’étudiant considère l’introduction comme la place propice pour la formulation des hypothèses (initiales) et la conclusion comme convenant à la présentation des résultats/la validation de ces hypothèses. Pour faciliter la rédaction, l’étudiant a inclus le temps verbal à utiliser dans les deux cas (futur et passé composé). Le point fort de ce genre de carte mentale est qu’elle contient beaucoup d’informations détaillées sous une forme concise et visuelle, ce qui peut faciliter la mémorisation. Certains étudiants incluent par exemple des interconnexions entre les noms scientifiques dans leur carte mentale :

Figure 2. Carte mentale du post-test par un étudiant du groupe 2.

33La figure 2 montre une conception assez avancée de l’interconnexion entre les noms scientifiques. Les noms théorie et hypothèse sont associés au concept de vérification. Les construits scientifiques désignés par ces deux noms sont considérés comme incertains et ainsi, ils doivent être vérifiés (Luodonpää-Manni, 2016). Les théories étant souvent trop abstraites pour être directement testées au cours de la recherche, elles doivent être présentées sous une forme mesurable ou applicable dans l’explication du matériel (Konstenius, 2014, p. 42). Cette opérationnalisation est souvent faite à travers une hypothèse (de recherche) qui est ensuite examinée en s’appuyant sur une méthode scientifique (quantitative ou qualitative). La carte mentale produite par l’étudiant tente de saisir les points essentiels de ce procédé scientifique, et de rassembler les routines discursives les plus utilisées autour d’un nom scientifique, lesquelles évoluent ainsi en collocations.

34Lors de la deuxième expérimentation, les étudiants ont été invités à produire, à la fin de chaque séance, une nouvelle carte mentale qui sert à synthétiser les différentes combinaisons et fonctions vues en classe. Celle-ci sert dans ce cas à structurer les nouvelles connaissances. Nous n’allons pas procéder à l’analyse de ces cartes dans le cadre de cet article. Nous constatons que les étudiants ont pris plaisir, au fil des séances, à concevoir leur carte. Même si l’élaboration d’un tel objet n’était pas évidente pour certains au départ, les étudiants ont apprécié l’intérêt de cet exercice. Le concept d’« hypothèse » est assez compliqué pour les étudiants, tout comme celui de la « problématique », car ils n’ont pas eu l’occasion de travailler sur ces notions dans leur cursus antérieur. Suite à nos expérimentations, nous constatons que les cartes mentales constituent un bon moyen pour aider les apprenants à retenir les différentes routines et collocations avec hypothèse, ainsi que les différentes manières de l’introduire.

4.2. Perspective syntactico-sémantique

35Lors de la première expérimentation, nous n’avons obtenu que très peu de devoirs d’étudiants. De ce fait, les analyses sémantiques portent essentiellement sur des copies d’étudiants du groupe 2, et nous pourrons tenir compte de ces résultats pour proposer des améliorations ultérieures. Nous avons constaté que la forme des routines et des collocations [Verbe + Nom] pour introduire hypothèse est variée dans les exemples 1 à 5, et qu’il n’apparait pas d’association erronée. Dans les exemples 1 et 2, les étudiants s’efforcent de diversifier la manière d’introduire l’hypothèse, les phrases sont bien construites sur le plan syntaxique.

(1)

À partir de nos analyses de cette étude effectuée sur l’intelligence artificielle, des résultats nous ont conduit à émettre l’hypothèse que la sensibilisation du public et les gourvernants de la bonne utilisation de l’intelligence artificielle pourrait éviter les dangers potentiels sur l’humanité. [G2_HA_intelligence artificielle_maison]a

a. Tous les apprenants qui ont participé à ces deux expérimentations ont rempli une fiche socio-biographique (David & Aleksandrova, 2017). Cette fiche nous permet d’obtenir des informations concernant la durée d’apprentissage, différentes stratégies pour favoriser l’apprentissage, etc. Par cette fiche, les apprenants nous accordent le droit d’utiliser leur production écrite. Pour des questions d’anonymat, les extraits qui ont été extraits des devoirs d’apprenants respectent le code suivant : (Groupe_initiales d’apprenant_sujet du devoir_devoir sur table (en classe) ou à la maison).

(2)

La deuxième hypothèse abordée dans notre travail est que l’intelligence artificielle serait un danger immédiat pour l’humanité à cause des conséquences dévastatrices. Enfin, notre étude propose une hypothèse sur des solutions effectives pour contrôler l’intelligence artificielle en vue d’intensifier ses valeurs utiles dans la vie. [G2_PTVA_intelligence artificielle_maison]

36Dans les énoncés corrects avec hypothèse, malgré quelques maladresses comme dans (3), nous voyons que l’étudiant a compris le sens de la proposition hypothétique qui suit l’hypothèse.

(3)	En plus, l’hypothèse c’est « deep learning » pourrait appliquer largement dans la vie quotidienne. Autrement dit, dans le futur, « deep learning » se généraliserait dans toute l’électronique de décision comme les robots, les machines ou les avions. [G2_NDA_deepe learning_classe]

37Il semble que le sens lexical pose des problèmes aux étudiants dans les exemples 4 et 5. Dans l’exemple 4, les combinaisons faire l’hypothèse et avancer l’hypothèse sont correctes, mais les structures qui les suivent méritent une reformulation. Dans la première phrase au regard des analyses…, le groupe nominal ne désigne pas une hypothèse, mais plutôt ce que l’auteur souhaite développer par la suite. Dans la deuxième phrase (5), nous remarquons une confusion sémantique de l’hypothèse avec la problématique. Nous relevons le même problème chez cet étudiant, dans une autre copie, et l’utilisation d’hypothèse ici peut laisser entendre que l’étudiant veut renvoyer à la problématique du travail (5).

(4)	Au regard des analyses, on peut faire l’hypothèse : les résultats et les réussites des nouvelles technologies. Cet article avance l’hypothèse que l’avenir de technique numérique va améliorer comment ? [G2_NBN_deep learning_classe]

(5)	Dans le domaine de l’analyse, l’auteur fait l’hypothèse que va apporter les progrès des systèmes intelligent dans les aspects économiques et sociaux. [G2_NBN_intelligence artificielle_maison]

38Dans l’exemple 6, le groupe nominal après formuler l’hypothèse rend la phrase incompréhensible. Peut-être que l’étudiant souhaitait varier la structure de la proposition qui suit hypothèse.

(6)

Au regard de nos analyses de cette article étudiée sur IA, des résultats nous ont permis de formuler l’hypothèse suivante : la nécessité d’adopter dès aujourd’hui nos politiques publiques à ces progrès IA sur les questions économiques comme sur les sujets sociétaux. [G2_RD_intelligence artificielle_maison]

39Les exemples 7 et 8 ont été rédigés par le même étudiant et prouvent qu’il maitrise la notion d’hypothèse tant au plan sémantique que syntaxique, car il joue avec différentes constructions. Même si, dans le cadre de ce travail, nous ne pouvons pas détailler les différents avantages de la carte mentale pour la mémorisation ainsi que l’acquisition de nouvelles connaissances, l’observation des cartes s’avère importante dans notre expérimentation. En effet, plus la carte mentale est riche et précise, plus l’étudiant dispose d’outils indispensables à la rédaction.

(7)

Au regard de la présentation de l’auteur, nous pouvons poser une hypothèse : le développement du deep learning et de l’intelligence artificielle est concordant, la relation entre les deux est interdépendance, c’est-à-dire que des points fragiles de l’IA peuvent susciter le perfectionnement du système du deep learning. En outre, nous pouvons émettre une hypothèse : le développement rapide de l’intelligence artificielle est un peu inquiétant. [G2_KY_deep learning_classe]

(8)	Au regard de notre présentation générale, nous pouvons faire l’hypothèse suivante : la relation entre l’IA et les humains serait interdépendance et les robots pourraient travailler avec les humains dans plusieurs domaines comme nos collègues. [G2_KY_intelligence artificielle_maison]

40Notons qu’il est important d’accorder du temps pour expliquer en détail l’entour syntaxique et lexico-sémantique de l’hypothèse. Différents exercices d’application s’avèrent nécessaires pour tester si les étudiants ont correctement saisi le sens de cette notion. Par exemple, dans (2) et (3), nous pouvons comprendre que l’étudiant rencontre encore quelques difficultés pour appréhender le sens d’hypothèse et quelques exercices complémentaires peuvent être nécessaires.

41Ces quelques exemples permettent de proposer une schématisation des constructions faites avec hypothèse par les étudiants. Nous pouvons résumer ces différentes associations de la manière suivante :

• hypothèse + ADJ :
  • ~plausible / ~fiable
  • *~quantitative / *~qualitative
• hypothèse + N :
  • *~modèle / *~corpus / *~théorie

42Les combinaisons entre hypothèse + adjectifs semblent poser moins de problèmes que les combinaisons entre hypothèse + noms et hypothèse + verbes. Ce résultat s’explique peut-être par la quantité de verbes et de noms qui peuvent être associés à hypothèse. Nous pouvons modéliser ces différentes associations de manière suivante :

• hypothèse + V :
  • Fonction 1 : faire~ / émettre~ / formuler~ / élaborer~
  • Fonction 2 : confirmer~ / tester~ / vérifier~
    • *évaluer~
    • *défendre~ / conforter~

43Presque tous les étudiants ont évoqué au moins une combinaison verbale avec hypothèse pour sa formulation, par exemple : faire l’hypothèse/émettre l’hypothèse/formuler l’hypothèse, ou une validation confirmer/tester/vérifier. D’autres combinaisons peuvent être liées selon nous à l’influence de la langue maternelle : construire une hypothèse/développer~/adopter~/choisir. Ces associations sont particulièrement présentes dans les copies des étudiants vietnamophones et sinophones6.

4.3. Perspective didactique

44Sur la base de l’expérimentation, on constate que les étudiants ont une conception épistémologique préalable plus ou moins appropriée de nos trois noms scientifiques. Bien que le niveau des étudiants soit varié, ils sont à peu près tous d’accord pour indiquer que théorie est généralement associé à l’explication des phénomènes, hypothèse est associé au test des affirmations scientifiques et méthode est une technique de recherche. L’analyse sémantique montre pourtant que les routines [V + Nom scientifique], posent des problèmes aux étudiants. Les combinaisons verbales convoquées par les étudiants sont assez variées, ce qui s’explique peut-être par l’influence de la langue maternelle. Du point de vue didactique, le réseau lexico-sémantique s’avère efficace, il nous semble pourtant nécessaire de travailler davantage d’exercices autour de ces noms avec les étudiants, notamment du côté des propositions verbales qui jouent un rôle important dans les routines discursives liées aux noms scientifiques (voir Kraif & Tutin, 2017 ; Tutin, 2018a, chapitre II, ce volume). On propose que l’introduction des outils, tels que les corpus dans la classe, pourra faciliter l’apprentissage et apaiser le stress de l’écriture chez les apprenants grâce à leur utilisation conjointe (Cavalla, 2019).

Conclusion

45Les expérimentations nous ont permis de tirer quelques conclusions sur notre propre modèle ainsi que pour les futures recherches. Le réseau lexico-sémantique s’avère un outil efficace, même s’il faudrait vérifier sa validité auprès d’autres noms scientifiques. Dans cet article, à la suite de la première expérimentation, nous avons constaté que même si les étudiants connaissent les structures avec hypothèse, ils ne les réinvestissent pas dans leur production écrite. Dans la deuxième expérimentation, la répétition de ces structures en classe a porté ses fruits puisqu’elles apparaissent dans les écrits. La démarche didactique adoptée semble favoriser l’appropriation des routines discursives chez notre public universitaire qui découvre un nouveau genre académique. Nous envisageons bien évidemment une troisième expérimentation avec un accent mis sur l’apprentissage des routines contenant des propositions verbales pour réajuster notre démarche. En outre, par ces expérimentations, les cartes mentales ont fait la preuve de leur utilité puisqu’elles permettent aux étudiants de systématiser les routines discursives présentées en cours.

46Ces deux expérimentations nous amènent à formuler d’autres hypothèses à tester lors d’autres expérimentations. Premièrement, même si les étudiants connaissent les structures langagières, ils ne maitrisent pas tout à fait leur utilisation et évitent de les réutiliser ultérieurement. Deuxièmement, notre modèle pédagogique semble mieux correspondre à un public qui possède une certaine autonomie langagière, car les étudiants ont eu des difficultés métalinguistiques et terminologiques qui dépassent la construction syntaxique. En effet, les noms scientifiques qui ont été introduits dans les expérimentations véhiculent des concepts qui requièrent une habileté langagière importante entre syntaxe et sémantique. Notons que nos exemples viennent principalement de disciplines en sciences humaines et sociales qui sont assez éloignées de celles de la première expérimentation. Les étudiants de la deuxième expérimentation ont peut-être été avantagés sur le plan terminologique. Pourtant, ces concepts sont essentiels dans un écrit scientifique, des exemples qui proviennent des domaines familiers des étudiants faciliteraient la prise de conscience de leur utilisation. Il reste donc à élaborer des corpus numériques d’écrits de chaque discipline scientifique.