Le repérage automatique des entités nommées dans la langue arabe : vers la création d'un système à base de règles

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Étude de l’appropriation de l’orthographe française langue seconde/étrangère d’élèves arabophones du secondaire en Égypte

La présente recherche vise à décrire le développement orthographique des élèves arabophones de 1re année du secondaire en Égypte au début de l’apprentissage du français langue étrangère. Les recherches égyptiennes qui concernent le français écrit se sont préoccupées des erreurs grammaticales commises par les élèves. À notre connaissance, il n’existe pas d’études relatives à l’appropriation de l’orthographe française menée auprès de ces élèves. Afin de combler ce vide, nous avons souhaité apporter un éclairage sur les compétences orthographiques des élèves en essayant d’éclairer la documentation de ces compétences en français écrit par la mise en relation avec celle de jeunes enfants arabophones qui apprennent le français L2 au préscolaire lors de leur séjour au Québec. Afin d’atteindre nos objectifs, nous avons soumis 30 élèves arabophones du secondaire à une épreuve d’orthographes approchées à quatre reprises. Celle-ci s’est déroulée dans le cadre d’un entretien semi-structuré individuel dans lequel les élèves ont été invités à produire des mots et une phrase. L’analyse descriptive et statistique de la production écrite des sujets a permis d’observer trois types de préoccupations écrites : visuographiques, phonologiques et orthographiques. D’autre part, leurs écrits ont témoigné d’un transfert langagier de l’arabe L1 et de l’anglais LE, qui était parfois positif, d’autres fois négatif. Les résultats ont, enfin, révélé que les élèves ont utilisé trois stratégies, lexicale, phonologique et analogique, lors de leurs productions. En outre, une étude de cas multiples exploratoire avec quatre enfants arabophones du préscolaire au Québec a été effectuée. Ces derniers ont été individuellement invités à produire des mots et une phrase en français et en arabe. De manière exploratoire, nous avons mis en relation l’appropriation de l’écrit des élèves du secondaire et celle des enfants du préscolaire en français et en arabe, ce qui nous a permis de vérifier l’effet de l’âge sur le développement orthographique et sur le transfert langagier chez les apprenants. Les résultats obtenus indiquent que la performance écrite des élèves du secondaire était significativement plus réussie que celle des enfants du préscolaire et que les premiers étaient les plus susceptibles de produire un transfert langagier. Ainsi, l’âge de l’apprenant peut avoir un impact sur l’appropriation de l’écrit ainsi que sur le transfert langagier en français langue seconde/étrangère. Finalement, au-delà de son apport scientifique et pratique, la présente recherche propose des pistes de recherches futures.

Du terme prédicatif au cadre sémantique : méthodologie de compilation d'une ressource terminologique pour les termes arabes de l'informatique

La description des termes dans les ressources terminologiques traditionnelles se limite à certaines informations, comme le terme (principalement nominal), sa définition et son équivalent dans une langue étrangère. Cette description donne rarement d’autres informations qui peuvent être très utiles pour l’utilisateur, surtout s’il consulte les ressources dans le but d’approfondir ses connaissances dans un domaine de spécialité, maitriser la rédaction professionnelle ou trouver des contextes où le terme recherché est réalisé. Les informations pouvant être utiles dans ce sens comprennent la description de la structure actancielle des termes, des contextes provenant de sources authentiques et l’inclusion d’autres parties du discours comme les verbes. Les verbes et les noms déverbaux, ou les unités terminologiques prédicatives (UTP), souvent ignorés par la terminologie classique, revêtent une grande importance lorsqu’il s’agit d’exprimer une action, un processus ou un évènement. Or, la description de ces unités nécessite un modèle de description terminologique qui rend compte de leurs particularités. Un certain nombre de terminologues (Condamines 1993, Mathieu-Colas 2002, Gross et Mathieu-Colas 2001 et L’Homme 2012, 2015) ont d’ailleurs proposé des modèles de description basés sur différents cadres théoriques. Notre recherche consiste à proposer une méthodologie de description terminologique des UTP de la langue arabe, notamment l’arabe standard moderne (ASM), selon la théorie de la Sémantique des cadres (Frame Semantics) de Fillmore (1976, 1977, 1982, 1985) et son application, le projet FrameNet (Ruppenhofer et al. 2010). Le domaine de spécialité qui nous intéresse est l’informatique. Dans notre recherche, nous nous appuyons sur un corpus recueilli du web et nous nous inspirons d’une ressource terminologique existante, le DiCoInfo (L’Homme 2008), pour compiler notre propre ressource. Nos objectifs se résument comme suit. Premièrement, nous souhaitons jeter les premières bases d’une version en ASM de cette ressource. Cette version a ses propres particularités : 1) nous visons des unités bien spécifiques, à savoir les UTP verbales et déverbales; 2) la méthodologie développée pour la compilation du DiCoInfo original devra être adaptée pour prendre en compte une langue sémitique. Par la suite, nous souhaitons créer une version en cadres de cette ressource, où nous regroupons les UTP dans des cadres sémantiques, en nous inspirant du modèle de FrameNet. À cette ressource, nous ajoutons les UTP anglaises et françaises, puisque cette partie du travail a une portée multilingue. La méthodologie consiste à extraire automatiquement les unités terminologiques verbales et nominales (UTV et UTN), comme Ham~ala (حمل) (télécharger) et taHmiyl (تحميل) (téléchargement). Pour ce faire, nous avons adapté un extracteur automatique existant, TermoStat (Drouin 2004). Ensuite, à l’aide des critères de validation terminologique (L’Homme 2004), nous validons le statut terminologique d’une partie des candidats. Après la validation, nous procédons à la création de fiches terminologiques, à l’aide d’un éditeur XML, pour chaque UTV et UTN retenue. Ces fiches comprennent certains éléments comme la structure actancielle des UTP et jusqu’à vingt contextes annotés. La dernière étape consiste à créer des cadres sémantiques à partir des UTP de l’ASM. Nous associons également des UTP anglaises et françaises en fonction des cadres créés. Cette association a mené à la création d’une ressource terminologique appelée « DiCoInfo : A Framed Version ». Dans cette ressource, les UTP qui partagent les mêmes propriétés sémantiques et structures actancielles sont regroupées dans des cadres sémantiques. Par exemple, le cadre sémantique Product_development regroupe des UTP comme Taw~ara (طور) (développer), to develop et développer. À la suite de ces étapes, nous avons obtenu un total de 106 UTP ASM compilées dans la version en ASM du DiCoInfo et 57 cadres sémantiques associés à ces unités dans la version en cadres du DiCoInfo. Notre recherche montre que l’ASM peut être décrite avec la méthodologie que nous avons mise au point.