Corpus ou lieu de corpus ?

« Un corpus est une collection de données langagières qui sont sélectionnées et organisées selon des critères linguistiques explicites pour servir d’échantillon du langage. » (Sinclair, 1991[1])

La question du corpus en linguistique est régulièrement posée mais étudier le discours numérique oblige à la dépasser. Cela ne veut pas dire que la réflexion autour de cette notion est inutile, ni qu’elle ne correspond à aucun objet, il s’agit plutôt de l’adapter aux particularités du terrain étudié.

Si on applique la définition de Sinclair (1991) dans le cadre du discours numérique il faudra travailler à partir de données stabilisées, c’est-à-dire d’extractions ou, au mieux, de captures d’écran. Dans ce cas le terrain premier, c’est-à-dire l’environnement numérique (Paveau 2013[2]) où se situe la recherche, n’est plus accessible.

Supprimer l’instabilité des environnements numériques est la condition pour obtenir une « collection de données langagières qui sont sélectionnées et organisées selon des critères linguistiques explicites ». Or, renoncer à cette instabilité c’est perdre la nature technolangagière des données pour ne conserver qu’une image de celles-ci. C’est aussi renoncer à l’interactivité que permettent ces objets de recherche en les isolant des locuteurs-scripteurs et de leur écosystème numérique d’apparition.

J’ai été confronté à ce problème très tôt dans ma thèse et je l’ai résolu en proposant de subordonner la notion de corpus à celle de « lieu de corpus ». Notion que je vais essayer de définir ici et qui demande de considérer l’instabilité du discours apparaissant dans les environnements numériques comme constitutive de cet objet de recherche et donc de ses potentiels « échantillons ».

Dans le cadre de ma thèse j’ai donc choisi de ne pas collecter de données préexistantes pour les réunir en corpus. J’ai préféré créer un lieu de corpus, situé dans un environnement numérique choisi[3] à l’avance. J’ai considéré toutes les données accessibles comme appartenant au lieu de corpus. Ce qui comprend les publications sur le journal du compte « Ma Thèse Sdl » et celles accessibles dans le fil d’actualités ou sur les journaux des membres de la liste d’amis de « Ma Thèse Sdl », mais également les messages privés, les pokes, les publicités, les notifications, les photos de profils et de journaux, et tous les autres éléments appartenant à cet écosystème numérique.

La notion de lieu de corpus renvoie donc à un espace numérique délimité mais dont les données possèdent trois caractéristiques incompatibles avec la notion de corpus : l’instabilité, la mixité et l’incomplétude.

  • Instabilité :
    • Ajout continuel de données (nouveaux « amis », nouvelles publications sur le site, publicité, nouvelles fonctionnalités du site)
    • Disparition possible d’une partie des données (par exemple lors de la fermeture d’un compte, de la modification d’une publication ou du retrait de la liste d’amis)
  • Mixité :
    • Multimodalité (textes, images, couleurs)
    • Structures technologiques (algorithmes du site, codes informatiques, liens hypertextuels)
    • Traces numériques (chaque action numérique a un impact sur le web)
  • Incomplétude :
    • Environnement numérique matériel de chaque locuteur-scripteur
    • Environnement physique des locuteurs-scripteurs

La notion de lieu de corpus n’exclue pas celle de corpus, celui-ci devient une potentialité qui lui est subordonnée. À partir d’un lieu de corpus il sera possible de créer plusieurs niveaux de corpus différents qui seront constitués de figements focalisés sur une partie des données accessibles. Sans ces extractions le travail d’analyse linguistique ne peut pour l’instant pas exister. Toutefois, concevoir le corpus numérique comme un objet numérique me semble indispensable pour pouvoir l’appréhender.

Cette position demande de remettre en cause la position du chercheur et une partie de son outillage théorique et méthodologique. Elle nous interroge également sur la place des locuteurs-scripteurs. Lorsque le corpus donne directement accès aux locuteurs-scripteurs doit-on considérer qu’ils font partie de sa construction ? Dans ce cas quelle part revient au chercheur ? Et quelle position déontologique adopter pour recueillir les données d’un tel corpus ?

Dans cette section autour du corpus, je vais essayer de pousser ces questionnements, je vous invite à réagir en commentaire pour poursuivre ensemble cette réflexion autour des notions de corpus et de lieu de corpus.  Il s’agit ici de construire des outils adaptés à une linguistique numérique. Dans cette optique j’ai l’impression que le blog, par son interactivité, va au-delà de la simple diffusion de la recherche et qu’il peut permettre une forme d’élaboration collective.

[1] Sinclair J., Corpus, Concordance, Collocation, Oxford, Oxford University Press Esp, 1991.

[2] Paveau M.-A., 21 janvier 2013, “Environnement“, Technologies discursives [Carnet de recherche], http://technodiscours.hypotheses.org/?p=311, consulté le 21/01/2016.

[3]  Il s’agit du compte Facebook « Ma thèse Sdl » qui apparait également dans la section « me suivre » de ce blog.

 

Pour citer ce billet : Emerit-Bibié L., 21 janvier 2016, « Corpus ou lieu de corpus ?« , Mémo numérique(s) [Carnet de recherche], http://memo.hypotheses.org/88, consulté le…


Laetitia Emerit

Docteure en linguistique mes recherches portent sur la description du discours numérique tel qu'il apparaît dans les réseaux sociaux numériques.

Vous aimerez aussi...

2 réponses

  1. 25/03/2016

    […] sur la représentation arborescente du corpus et sur la notion de lieu de corpus m’a amené à observer plus attentivement un phénomène que je n’avais jusque-là pas […]

  2. 11/10/2016

    […] observés (avec leur consentement) font partie des amis Facebook du compte « Ma Thèse Sdl », lieu de corpus créé en 2012 pour les besoins de ma recherche doctorale. Ils ne représentent pas l’unique cas […]

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *