Être ou ne pas être éthique en linguistique de corpus, comment citer ses sources ? - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Être ou ne pas être éthique en linguistique de corpus, comment citer ses sources ?

Anne Lacheret-Dujour

Résumé

La linguistique de corpus, i.e. l’étude de données langagières attestées, écrites comme orales, s’est largement développée ces 20 dernières années en France comme ailleurs. Elle se propose d'extraire d'un corpus les connaissances essentielles pour l’analyse et la modélisation des usages du langage dans leurs différentes manifestations –sonores, syntaxiques, sémantiques, etc.– Quel que soit le ou les niveaux d’analyse étudiés, une question centrale se pose, celle de la constitution d’un corpus de référence. Parmi l’ensemble des éléments nécessaires pour qu’un corpus soit considéré comme corpus de référence, nous retiendrons pour notre présentation les propriétés suivantes : (i) il doit être représentatif de la variation des usages et des genres de discours ; (ii) les ressources constituées doivent être librement mises à disposition de la communauté. Ce sont ces deux objectifs qui ont été les nôtres lors du projet ANR Rhapsodie, un corpus prosodique et syntaxique pour le français parlé, lancé en 2008. Pour répondre à la contrainte de la couverture des données, il était impensable dans le temps imparti de récolter un nombre suffisant d’échantillons pour représenter les usages variables du français contemporain. Nous avons donc inscrit notre démarche dans la continuité et fait le choix de construire le réservoir Rhapsodie autour de données créées pour le projet mais aussi de données constituées préalablement dans le cadre d’autres projets de recherche. Notre initiative était inédite et posait donc la question centrale de la propriété intellectuelle des données empruntées aux projets antérieurs. Sans cadre éthique et juridique auquel nous référer, nous avons dû « bricoler » pour assurer la traçabilité de ces données et respecter la propriété intellectuelle. Cette entreprise témoigne d’une évolution des pratiques scientifiques en linguistique de corpus qui conduit à interroger le cadre institutionnel et juridique de la gestion des données de la recherche, à le faire évoluer en conséquence pour apporter des réponses précises et adaptées aux questions posées. L’objectif de cette communication est de présenter les stratégies retenues pour résoudre les obstacles scientifiques et éthiques auxquels nous avons été confrontés à l’époque pour distribuer ces sources librement sur internet dans le respect des recherches antérieures. Il s’agit ensuite de montrer quels sont les dispositifs en place 20 ans après pour que ces questions ne se posent plus, ou du moins qu’elles se posent autrement, et de présenter le paysage éthique actuel en linguistique de corpus.

Domaines

Linguistique
Fichier non déposé

Dates et versions

hal-03947493 , version 1 (19-01-2023)

Identifiants

  • HAL Id : hal-03947493 , version 1

Citer

Anne Lacheret-Dujour, Olivier Baude. Être ou ne pas être éthique en linguistique de corpus, comment citer ses sources ?. Journée d'information et de réflexion sur l'éthique de la recherche, Comité d'éthique de la recherche de l'Université Paris Nanterre, Dec 2022, Nanterre, France. ⟨hal-03947493⟩

Relations

63 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More