Twitter coréen : un langage d'un genre nouveau - Brill
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Twitter coréen : un langage d'un genre nouveau
Hyunjung SON*, Jae Yun LEE **, Beomil KANG* & Ha-Soo KIM*
1. INTRODUCTION
Nous nous proposons dans le présent article d’étudier le langage de Twitter
coréen. Ce nouveau média social, ou microblogage, repose, comme celui de
Facebook, sur le modèle dit «many-to-many». A la différence des journaux ou des
émissions télévisées, ces messages passent du public au public en utilisant les
plateformes d’internet ou le téléphone mobile dont l’accessibilité est quasiment
libre pour tout le monde. Concrètement, plus de huit millions de Coréens ont utilisé
les services de Twitter ou Facebook en 2012.
Pourquoi s’intéresser à ce genre de communication ? Tout d’abord, parce que
d’un point de vue linguistique, il s’agit d’échanges verbaux difficiles à classer. Au
premier abord, il paraît évident qu’on a affaire à des textes qui définissent des rôles
de scripteur et de destinataire et sont soumis à une contrainte de longueur. Ils sont
en effet limités à 140 signes. On serait donc tenté de les rattacher à des échanges
écrits plutôt qu’oraux. Pourtant, certaines études comme celles de Liénard (2005),
Panckhurst (2007), Véronis et de Neef (2006) soulignent la présence de
caractéristiques propres à l’oral : abréviations, ellipses, répétitions, procédés
phonétiques, recours à des symboles iconiques représentant une émotion ou un
geste, qui figurent des interactions non verbales courantes dans les échanges
conversationnels. Ces difficultés ont soit entraîné une profusion parasitaire
d’appellations néologiques comme «parlécrit» (Anis 2003), «langage contrôlé»
(Liénard 2006), «cyberlangue» (A. Dejond 2002) ; soit encore suscité de violentes
polémiques autour de leur caractère trop émotionnel, trop direct et trop personnel
ou, à l’inverse, trop planifié, trop allusif ou trop public. Il est donc temps de
dépasser ces intuitions et ces partis-pris en procédant à une analyse objective du
langage des réseaux sociaux de façon à situer ce nouveau genre par rapport à
d’autres mieux documentés.
Nous procéderons en trois temps. Tout d’abord nous présenterons le corpus que
nous avons élaboré pour cette étude. Puis nous expliciterons les traits retenus pour
caractériser Twitter. Enfin, nous analyserons nos résultats en les confrontant aux
18 genres établis par l’Institut National de la Langue Coréenne à partir de leur
Corpus du coréen standard. Pour donner à l’avance nos conclusions, cette étude à
* ILIS-Yonsei Université, HK research group
** Myongji Université
Ce travail a été soutenu par la Fondation Nationale de la Recherche de Corée, subvention
financée par le gouvernement coréen (NRF-2009-361-A00027).
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access126 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
fondement statistique montrera que Twitter n’appartient ni à l’écrit ni à l’oral, mais
qu’il constitue un genre inédit qu’il est possible de situer aux côtés des genres
classiques.
2. CONSTRUCTION D’UN CORPUS TWITTER
Le corpus que nous avons construit en vue de l’observation du langage de
Twitter consiste en 678 199 textes de Twitter coréens, qui ont été postés au cours
du mois d’octobre de l’année 2011, à l’occasion de l’élection du maire de Séoul.
Nous avons extrait tous les textes comportant une ou plusieurs occurrences du nom
ou d’un des surnoms du seul candidat du parti de l’opposition PARK Wonsoon. En
procédant de la sorte, nous avons pu éviter les textes où le nom du candidat au
pouvoir apparaissait à propos de divers sujets sans rapport avec l’élection du maire
et donc hors de notre champ d’investigation.
Puis, nous avons converti ce texte en 16 904 995 blocs graphiques ou ôchôls1,
que nous avons soumis à une analyse morpho-syntaxique au moyen de l’analyseur
automatique UTagger2, et nous avons appliqué à ce corpus la classification des
genres conçue par KANG Beomil (2012). Ce chercheur a adapté au coréen le
système de traits linguistiques proposé par Biber dans Variation across speech and
writing (1988) et celui élaboré par KIM Yong-Jin (1990) et KANG Beom-mo et
alii. (1998). Nous avons ainsi utilisé un ensemble de 56 traits, – pronoms, temps
verbaux, modalités, particules casuelles, suffixes fonctionnels, verbes
émotionnels, connecteurs, verbes honorifiques, négation raccourcie/allongée, etc.
– qui comprennent 2 166 marqueurs. Grâce à ces traits, nous avons élaboré une
figure générale des différents genres y compris le langage de Twitter. Le tableau 1
ci-dessous en dresse la liste :
Tableau 1 : Les 56 traits linguistiques indicateurs de genre
Nom de trait Nom de trait
T1 phrase composée d'un seul ôchôl non nominal T29 phrase exhortative
T2 phrase conditionnelle T30 phrase de promesse
T3 phrase nominale T31 nom dépendant –kott
T4 mise en relief T32 pronom de la troisième personne
T5 négation-impératif/exhortatif T33 phrase impérative
T6 modalité-certitude T34 temps verbal-passé
T7 verbe honorifique T35 adverbe
T8 ponctuation interrogative T36 connecteur de cause
T9 négation raccourcie T37 particule connective
T10 adjectif émotionnel T38 suffixe conjonctif d'opposition
T11 question indirecte T39 passif lexical
1 L’ôchôl est l’unité graphique du coréen bornée par un blanc typographique. Ce bloc
graphique se compose soit d’un seul mot, soit de plusieurs suivant un ensemble de
conventions. Par exemple, un ôchôl peut être constitué de : nom + particule, nom
déterminant + nom déterminé, verbes + affixes + particules conjonctives ou finales, etc.
2 http://nlplab.ulsan.ac.kr/
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 127
T12 suffixe conjonctif de condition T40 causatif lexical
T13 copule T41 particule possessive
T14 particule informelle T42 négation allongée
T15 terminaison de nominalisation -um T43 particule de sujet
T16 modalité-nécessité T44 modalité-possibilité
T17 nom honorifique T45 causatif syntaxique
T18 suffixe conjonctif de cause ; explication T46 connecteur d'opposition
T19 pronom anaphorique T47 connecteur de coordination
T20 pronom de la première personne T48 temps verbal-progressif
T21 verbe anaphorique T49 subordonnée adjectivale
T22 pronom de la deuxième personne T50 suffixe conjonctif de coordination
T23 nominal T51 adjectif verbalisé
T24 verbe émotionnel T52 connecteur nominal
T25 verbe impératif T53 terminaison de nominalisation -ki
T26 pronom indéterminé T54 particule d'objet
T27 connecteur de transition de topique T55 particule d’introduction de la citation
T28 suffixe formel T56 temps verbal-présent
Afin de caractériser le langage de Twitter de manière comparative, nous avons
également utilisé le Corpus du Coréen Standard construit par l’Institut National de
la Langue Coréenne. Ce corpus rassemble un large échantillon de textes, comptant
3 millions d’ôchôls, classés manuellement en 18 genres : langue orale, scripts des
journaux télévisés, scénarios, romans, manuels scolaires, articles de magazines,
articles journalistiques des rubriques politiques, culturelles, scientifiques, des faits
divers, éditoriaux, etc. Nous avons soumis ce corpus à la même analyse
morpho-syntaxique et au même traitement statistique que le langage de Twitter.
Nous avons ainsi construit un corpus de 19 genres linguistiques incluant le langage
de Twitter. Nous les présentons dans le tableau suivant :
Tableau 2 : Les 19 genres traités
Nom de genre Nom de genre
G1 Twitter G11 journal-éditorial
G2 script des journaux télévisés G12 journal-sports;people
G3 manuel G13 journal-politique; société; économie
G4 conte pour enfants G14 art;loisir
G5 encyclopédie G15 sciences humaines
G6 sciences sociales G16 sciences naturelles
G7 roman G17 magazine
G8 langue orale G18 essai
G9 journal-entretien G19 scénario
G10 journal-culture;média;science
Sur ce corpus de 19 genres, nous avons calculé les taux d’occurrences des 56
traits linguistiques pour 1 000 ôchôls. Et, afin de représenter correctement la
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access128 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
fréquence de chaque trait, nous avons remplacé le taux d’occurrences par le
z-score3. Cette fréquence «normalisée», qui se calcule à partir de la moyenne et
l’écart type, permet aux items ayant des métriques différentes d’être ramenés à une
métrique commune, qui autorise une analyse comparative (Green et Salkind
2008 ; McNemar 1969)4. Après avoir calculé le z-score de tous les traits pour ces
19 genres, nous avons procédé à une analyse fréquentielle de chaque trait, ce qui a
mis au jour des fréquences de traits propres à Twitter.
3. ANALYSE FRÉQUENTIELLE DES TRAITS DE TWITTER
Le premier résultat remarquable que fait apparaître cette analyse des fréquences
est que Twitter se caractérise par un ensemble de sept traits, d’une fréquence plus
élevée par rapport aux autres traits (le z-score > 1 (le z-score de l’écart type)),
comme le montre le tableau 3, ci-dessous :
Tableau 3 : Les traits les plus fréquents dans Twitter
seul ôchôl non nominal
phrase composée d'un
phrase conditionnelle
impératif/exhortatif
modalité-certitude
verbe honorifique
phrase nominale
mise en relief
négation-
Twitter 3,81 2,14 2 1,61 1,57 1,2 1,16
script des journaux télévisés -0,4 -0,95 -0,73 -0,53 -0,69 -0,41 0,07
manuel 0,36 -0,35 -0,81 -0,7 -0,53 -0,39 -0,28
conte pour enfants -0,56 -0,66 -0,64 1,47 1,52 0,8 1,11
encyclopédie -0,64 -1,5 1,59 -1,05 -0,46 -0,99 -0,68
sciences sociales -0,23 0,38 -0,53 -0,12 -0,55 -0,5 -0,69
roman -0,52 0,31 -0,46 0,69 0,27 1,42 -0,06
langue orale 0,98 -0,56 -0,3 2,02 0,41 2,76 3,07
journal-entretien -0,26 -1,11 2,17 -1,31 -1,01 -0,66 -0,79
journal-culture;média;science -0,16 -0,87 0,04 -1,43 -0,73 -0,79 -0,56
journal-éditorial -0,26 1,56 -0,83 0,57 -0,19 -0,14 -0,79
journal-sports;people 0,31 -0,48 1,06 -1,08 -0,64 -0,74 -0,56
journal-politique;société;économie -0,11 -0,87 -0,04 -0,85 -0,55 -0,72 -0,79
3Nous avons présenté la définition du z-score dans l’annexe 2.
4 Par exemple, le taux d’occurrences des nominaux est de 493,6 dans les contes pour
enfants et de 581,2 dans Twitter. On enregistre ainsi une différence de 87,6. Elle semble
supérieure à celle entre le taux des verbes émotionnels qui est de 5,4 dans les contes et de
2,6 dans Twitter, soit une différence de 2,8. Mais si on transforme le taux d’occurrences en
z-score, on obtient pour les nominaux un taux de -1,28 dans les contes et de -0,37 dans
Twitter, face à un taux de 2,18 pour les verbes émotionnels dans les contes et de -0,42 dans
Twitter. C’est ainsi que la différence (2,60) pour les verbes émotionnels est encore plus
grande que celle (0,90) pour les nominaux (0,91) Grâce aux z-scores, nous avons découvert
que les verbes émotionnels fournissent un meilleur trait distinctif que les nominaux pour
différencier ces deux genres.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 129
art ; loisir -0,42 0,83 -0,78 -0,18 -0,32 -0,51 -0,65
sciences humaines -0,29 1,06 -0,72 -0,07 0,2 -0,39 -0,27
sciences naturelles -0,41 1,01 -0,82 -0,27 -0,69 -0,81 -0,7
magazine -0,37 0,49 -0,1 0,02 -0,28 0,08 -0,22
essai -0,58 0,33 -0,75 0,69 -0,28 1,16 0,59
scénario -0,22 -0,77 0,62 0,54 2,94 -0,38 1,05
Nous allons examiner ces sept traits par ordre décroissant de fréquence.
3.1. La phrase composée d’un seul ôchôl non nominal
Le trait dont le z-score de 3,81 est le plus élevé est la phrase composée d’un seul
ôchôl non nominal, comportant un ou deux mots, qu’illustrent les deux exemples
suivants5 :
(1) hôk !!!
interjection
‘Surprenant !!!’
(2) oe ?
interrogatif
‘Pourquoi ?’
Dans la plupart des cas, l’énoncé composé d’un seul ôchôl non nominal est une
exclamation, une interrogation ou une interaction discursive, kerae (oui), mattda
(c’est ça). Twitter est le seul genre dont le z-score est supérieur à l’écart type pour
ce trait.
Figure 1 : Phrase composée d'un seul ôchôl non nominal
5 La transcription de Hangul en alphabet latin se fait selon le système de
Mccune-Reischauer (Annexe 1). Le symbole « : » indique les constituants lexicaux ou
grammaticaux à l’intérieur d’un ôchôl.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access130 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
3.2. La phrase conditionnelle
Le trait qui vient en deuxième position avec un z-score de 2,14, est la phrase
conditionnelle. Il s’agit d’énoncé composé d’une proposition conditionnelle reliée
par le suffixe conjonctif verbal –myôn (si) à la proposition dont elle dépend
syntaxiquement comme suit :
(3) minchutangi motu chôpuntulman kasstamyôn6
Parti Démocratique:SUB tous ces messieurs être comme:-myôn
nuka minchotangul pinanahalkkayo
qui Parti Démocratique:OBJ critiquer:interrogatif
‘Si le Parti Démocratique était comme tous ces messieurs, qui le critiquerait ?’
La fréquence de ce trait dans Twitter rapproche ce genre de ceux de l’éditorial des
journaux, des sciences humaines et des sciences naturelles.
Figure 2 : Phrase conditionnelle
3.3. La phrase nominale
Le troisième trait avec un z-score de 2,00 est la phrase nominale, c’est-à-dire,
des énoncés finissant par un mot nominal, sans prédicat verbal :
6Nous suivons Leipzig Glossing Rules pour les abréviations : SUB (particule de sujet) ;
ADJ (particule d’adjectif) ; TOP (particule thématique) ; PP (infixe de passé) ; CONN
(particule de coordination) ; DO (particule d’objet direct).
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 131
(4) oankyosu, PARK Wonsoon hupo chichi hoso
Prof. Ahn PARK Wonsoon candidat support mobilisation
‘Professeur Ahn : mobilisation de support pour le candidat PARK Wonsoon.’
(5) PARK Wonsoon hupo ‘nalkun kutu’oûi chaekusông
PARK Wonsoon candidat vieux:ADJ chaussures:de recomposition
‘Recomposition des «vieilles chaussures» du candidat PARK Wonsoon.’
Ce type d’énoncés condensés enchaîne des mots le plus souvent nominaux,
pourvus d’un minimum de marques grammaticales. Il permet une forte économie
de caractères, bien adaptée aux restrictions de longueur propre à Twitter, mais il
entraîne souvent une certaine ambiguïté sémantique. Par exemple, la phrase (5),
qui ne contient aucune particule fonctionnelle peut s’interpréter comme : «PARK
Wonsoon reconstruit l’événement concernant ses fameuses vieilles chaussures» ou
«on reconstruit l’événement concernant les fameuses vieilles chaussures de PARK
Wonsoon». Ce trait est le plus saillant dans le genre des articles journalistiques de
l’entretien. Il est aussi fréquent dans le genre de l’encyclopédie.
Figure 3 : Phrase nominale
3.4. La mise en relief
La mise en relief arrive en quatrième position de fréquence. L’utilisation
d’expressions emphatiques comme hwaksilhi (certainement), kkok (assurément),
chôngmalro (vraiment), a aussi la plus haute fréquence dans la langue orale, puis
dans Twitter. Par exemple :
(6) Naeil kkok tangseôtoesyôsô chôngmalro
demain assurément être élu: CONN vraiment
choun sôulul oikkulôchusyôssumyôn chongkessumnita
bon:ADJ Séoul:OBJ diriger:infixe honorifique: espérer:suffixe
suffixe conditionnel verbal honorifique
‘J’espère que demain, vous serez assurément élu pour diriger notre Séoul.’
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access132 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
Figure 4 : Mise en relief
3.5. La négation dans les phrases impératives ou exhortatives
La négation dans les phrases impératives ou exhortatives présente le cinquième
z-score le plus élevé (1,57). Cette structure consiste en l’auxiliaire verbal négatif
–chi ma(l)- avec un suffixe verbal impératif ou exhortatif.
(7) ch’icholhan sônkôk’aemp’eoinul hachi malla
injuste:ADJ campagne électorale:OBJ faire:-chi mal-:suffixe verbal impératif
‘Ne fais pas de campagne électorale injuste.’
Ce type de négation a également un z-score élevé dans les genres scénario et conte
pour enfants.
Figure 5 : Négation-impératif/exhortatif
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 133
3.6. La modalité – certitude
Des expressions indiquant un certain degré de certitude du locuteur par rapport à
un événement ou un sujet se présentent souvent dans les textes de Twitter (dont le
z-score est 1,2). Par exemple, l’expression kôt kat- (sans doute ou il me semble
que) marque une faible certitude du locuteur par rapport au contenu
propositionnel :
(8) hwanchônhi tarun tu kaeûi sekyerul
complètement être différent:ADJ deux auxiliaire numéral:de monde:OBJ
ponun kôt katta
voir :ADJ kôt kat- : suffixe verbal affirmatif
‘Il voit sans doute deux mondes complètement différents.’
L’expression –rira (il doit inf. ou sûrement) indique une forte certitude :
(9) oibônen PARK Wonsooni p’okp’ung kongkyôkul harira
cette fois PARK Wonsoon:SUB tempête:attaque:OBJ faire:-rira
‘Cette fois, PARK Wonsoon doit faire une attaque furieuse.’
Ce trait se présente souvent aussi dans les genres de la langue orale, du roman et
puis de l’essai.
Figure 6 : modalité-certitude
3.7. Les honorifiques verbaux et nominaux
Pour les expressions honorifiques, les marqueurs verbaux honorifiques ont un
z-score 1,16 dans Twitter. On relève des suffixes verbaux honorifiques comme -yo,
ou -nita qu’illustrent l’exemple (6) cité plus haut et l’exemple (10) ci-dessous :
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access134 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
(10) PARK Wonsooneun sichangkamun oaniranun saengkaki
PARK Wonsoon:TOP personne digne de maire:TOP ne pas être:ADJ idée:SUB
tultôrakuyo
venir :PP:suffixe verbal honorifique
‘Il m’est apparu que PARK Wonsoon n’est pas quelqu’un digne d’être maire.’
Ou encore le suffixe auxiliaire verbal honorifique –si- comme dans l’exemple
(11) chôt yuse tongyôngsangul tosichiyo^^7
premier campagne électorale clip de vidéo:OBJ regarder:-si-:suffixe
verbal honorifique
‘Vous regardez le clip vidéo de la première campagne électorale.’
En revanche, les nominaux honorifiques comme les titres ou les termes d’adresse,
par exemple, ssi (Monsieur, Madame) ou seonsayngnim (Professeur, Monsieur,
Madame) sont attestés mais avec un z-score inférieur à 0 (le z-score de la
moyenne). Il semble ainsi que Twitter respecte à sa façon le code de la politesse.
Les verbes honorifiques ont aussi une haute fréquence dans les genres de la
langue orale, des contes pour enfants et des scénarios.
Figure 7 : Verbes honorifiques
Notre seconde remarque porte sur l’existence de 43 traits sur 56 dont la
fréquence relative est inférieure à la moyenne. Le tableau 4 ci-dessous regroupe les
six traits les moins fréquents, dont le z-score va de -2,78 (temps verbal du présent)
à -2,16 (adjectif verbalisé).
7 L’émoticone ^^ représente un sourire. Elle est très souvent utilisée dans les textes de
Twitter ou les SMS. Nous avons exclu ces signes pour une raison technique. Notre
analyseur morpho-syntaxique est incapable de les relever automatiquement.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 135
Tableau 4 : Les six traits les moins fréquents pour le langage de Twitter
nominalisation
terminaison de
d’introduction
verbal-présent
de la citation
connecteur
verbalisé
particule
particule
nominal
adjectif
d'objet
temps
-ki
Twitter -2,78 -2,73 -2,71 -2,25 -2,19 -2,16
script des journaux télévisés -0,01 0,03 -0,04 0,32 0,81 -0,50
manuel 0,69 -0,54 1,40 0,62 0,06 0,15
conte pour enfants 0,00 -0,88 0,44 -0,65 0,02 1,42
encyclopédie -0,14 -0,41 0,10 0,17 -0,33 -0,48
sciences sociales 0,19 0,31 0,56 1,12 1,43 0,31
roman -0,31 -0,41 0,62 -0,06 0,40 1,46
langue orale 0,86 0,66 -1,95 -0,54 -2,39 0,03
journal-entretien -0,93 0,54 0,01 0,13 0,02 -1,33
journal-culture;média;science -0,58 0,19 0,29 -0,31 0,66 -1,01
journal-éditorial 0,55 -0,15 0,31 0,93 1,17 0,19
journal-sports;people -0,67 0,06 0,48 -0,62 0,10 -0,97
journal-politique;société;économie -0,72 1,84 0,11 -0,02 -0,03 -1,24
art ; loisir 0,45 0,84 0,46 0,70 0,97 0,62
sciences humaines 0,50 0,97 0,47 0,90 0,40 0,75
sciences naturelles 0,47 0,21 0,27 0,67 -0,06 0,43
magazine 0,03 0,25 0,46 0,70 0,42 0,29
essai 0,02 0,80 0,35 0,72 -0,30 1,03
scénario 2,40 -1,58 -1,65 -2,52 -1,17 1,00
Les particules casuelles sont rares dans Twitter. Non seulement le z-score de la
particule d’introduction de la citation et de la particule d’objet, mais aussi celui de
toutes les autres particules casuelles se situent en dehors de l’écart type. Les
connecteurs nominaux reliant les nominaux sous forme de N wa N (N et N) sont
aussi peu fréquents. La suppression d’informations grammaticales que le
destinataire doit reconstruire en situation est une propriété représentative de l’oral
(Blanche-Benveniste et Jeanjean, 1987). Ce souci d’économie nous semble
renforcé dans le langage de Twitter par la restriction à 140 signes. Ce même
principe d’économie commande l’éviction de formes verbales fléchies indiquant
des repérages temporels, aspectuels ou des points de vue énonciatifs, aisément
récupérables en contexte. D’où un taux relativement bas de temps du présent
(-2.78), de forme progressive (-1,79) et de temps du passé (-0,87). Le temps
présent, directement branché sur le moment de l’énonciation s’avère le trait le
moins fréquent de tous. Et il est largement concurrencé par des phrases nominales,
sans marques verbales ou par des énoncés à un seul ôchôl à fonction phatique ou
interactive.
Cette analyse de chaque trait séparément met au jour quelques-unes des
caractéristiques essentielles de Twitter. Tout d’abord, le souci d’économie y
apparaît comme un facteur dominant. Il permet de rendre compte de la fréquence
sensiblement basse des temps verbaux, des particules casuelles ou du connecteur
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access136 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
nominal en même temps que de celle, élevée, des structures non verbales8. En
second lieu, certains traits nous conduisent à assimiler Twitter à la langue orale.
Par exemple, l’utilisation fréquente des expressions emphatiques, des marqueurs
verbaux honorifiques et des énoncés composés d’un seul ôchôl. Toutefois, d’autres
traits s’opposent à ce rapprochement. Ainsi, à l’oral on emploie très souvent des
pronoms, des verbes anaphoriques, des connecteurs et des adverbes. Autant de
traits qui, dans Twitter, restent en dessous de la fréquence moyenne. En troisième
lieu, les conditionnelles et les phrases nominales courantes dans Twitter sont rares
dans les genres oraux.
Mais, pour mieux situer Twitter par rapport aux autres genres, il importe à
présent d’évaluer la contribution qu’apporte chacun de ces traits individuels à
l’identification globale des différents genres. A cet effet, il est indispensable de
recourir à une analyse globale et multidimensionnelle en examinant la distribution
fréquentielle de l’ensemble des traits corrélés à chaque genre.
4. ANALYSE DE LA DISTRIBUTION FRÉQUENTIELLE DE L’ENSEMBLE DES TRAITS
Nous avons donc calculé la distribution fréquentielle des traits pour les 19
genres afin de repérer les traits régulièrement associés à tel ou tel genre.
Concrètement, si l’on relève la coprésence fréquente dans certains genres des traits
tels que phrase de promesse, négation raccourcie et particule informelle alors
qu’ils sont rarement attestés dans d’autres, on dira que ces traits ont une
distribution fréquentielle affine pour tel ou tel genre. La figure 8 présente la
proximité fréquentielle des différents traits :
8 Rappelons qu’en coréen, c’est le prédicat verbal final qui porte toutes les indications de
temps/aspect/modalité de l’énoncé.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 137
Figure 8 : Représentation arborescente de la proximité de la distribution fréquentielle
des traits
Il en ressort sept groupes de traits représentant la distribution fréquentielle affine
pour les différents genres.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access138 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
Tableau 5 : Les sept groupes stylistiques et leurs traits
Groupe
Trait
stylistique
pronom indéterminé ; suffixe conjonctif de cause/explication ; suffixe
conjonctif de condition ; connecteur de transition de topique ; connecteur de
Groupe 1 cause ; verbe anaphorique ; connecteur de coordination ; modalité-certitude ;
phrase de promesse ; négation raccourcie ; particule informelle ; verbe
honorifique ; nom honorifique
pronom de la deuxième personne ; adjectif émotionnel ; verbe émotionnel ;
Groupe 2 pronom de la première personne ; suffixe conjonctif de coordination ;
adverbe ; mise en relief ; adjectif verbalisé ; temps verbal-présent ; phrase
impérative ; ponctuation interrogative ; négation-impératif/exhortatif
Groupe 3 temps verbal-passé ; particule de sujet ; suffixe formel
Groupe 4 pronom de la troisième personne ; pronom anaphorique ; terminaison de
nominalisation -um ; causatif syntaxique
Groupe 5 modalité-nécessité ; copule ; phrase conditionnelle ; nom dépendant -kott ;
suffixe conjonctif d'opposition ; connecteur d'opposition ; négation allongée
terminaison de nominalisation -ki ; modalité-possibilité ; particule
Groupe 6 possessive ; particule connective ; subordonnée adjectivale ; connecteur
nominal ; particule d'objet
Groupe 7 nominal ; temps verbal-progressif ; verbe impératif ; particule d’introduction
de la citation
Chaque groupe stylistique répartit les 19 genres d’une manière différente. Dans le
premier groupe (Figure 9 ci-dessous), la langue orale vient en premier, suivie par
les genres des scénarios et des contes pour enfants. Le langage de Twitter se range
presque au milieu dans la hiérarchie (au neuvième parmi 19 genres).
Figure 9 : Groupe 1
Le deuxième groupe commence par le scénario, et puis le conte pour enfants, la
langue orale et le roman le suivent. Le langage de Twitter se présente au
quatorzième rang.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 139
Figure 10 : Groupe 2
Le troisième groupe stylistique place le conte pour enfants, le scénario, le roman
en premier. La langue orale le suit en quatrième position alors que le langage de
Twitter vient en dernier.
Figure 11 : Groupe 3
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access140 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
Ces trois groupes de traits convergent en plaçant la langue orale aux quatre
premiers rangs. On peut donc les considérer comme des traits qui définissent des
sous-catégories des genres oraux. Quant à Twitter, il se situe plutôt en bas dans
toutes ces sous-catégories de l’oral avec un z-score toujours en dessous du z-score
moyen des genres. De ce fait, il est faiblement qualifié pour être rattaché aux genres
oraux.
Dans les groupes 4, 5, 6 et 7, la langue orale se situe en bas de l’échelle des
fréquences. Elle occupe le quinzième rang pour les groupes 4 et 7, le seizième rang
pour le groupe 5 et le dix-huitième rang pour le groupe 6. On peut donc qualifier
ces groupes faiblement représentés à l’oral comme délimitant des sous-catégories
de l’écrit.
Les genres venant en premier dans le groupe 4 (Figure 12 ci-dessous) sont
l’art/le loisir, les sciences humaines et l’essai. Le langage de Twitter se situe juste
avant la langue orale, en quatorzième position.
Figure 12 : Groupe 4
Le groupe 5 commence par l’éditorial des journaux, que suivent les sciences
humaines et les sciences sociales. Le langage de Twitter se place cette fois vers le
centre, au douzième rang.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 141
Figure 13 : Groupe 5
Dans le groupe 6 les sciences sociales, l’art/le loisir et l’éditorial viennent en
premier alors que le langage de Twitter vient en dernier.
Figure 14 : Groupe 6
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access142 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
Le groupe 7 présente les articles journalistiques en premier. Le langage de
Twitter se classe presque en dernier, au dix-huitième rang. On en conclura donc
que Twitter est faiblement qualifié comme genre écrit.
Figure 15 : Groupe 7
Somme toute, Twitter se situe pratiquement au bas de l’échelle des fréquences
dans tous les groupes stylistiques. La seule exception est le groupe 1, où il occupe
le neuvième rang. Mais la distance qui le sépare du genre le plus représentatif du
groupe est aussi significative que celle des groupes 6 et 7 où le langage de Twitter
se classe aux derniers rangs. On en conclura donc que Twitter ne fait partie d’aucun
groupe ni écrit ni oral. Pour faire mieux apparaître ce résultat, nous allons
visualiser la distribution des genres dans un espace à deux dimensions dont l’axe
vertical représente le z-score moyen des traits de l’oral et l’axe horizontal le
z-score moyen des traits de l’écrit :
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 143
Figure 16 : La distribution des genres dans un espace à deux dimensions
On peut ainsi constater que Twitter se trouve isolé par rapport aux autres genres.
S’il est proche de l’éditorial, des sciences sociales, des sciences naturelles et des
arts et loisirs sur l’axe de l’oral, il s’éloigne de ceux-ci sur l’axe de l’écrit.
Inversement, il est très proche de la langue orale sur l’axe de l’écrit mais il s’en
écarte sur l’axe de l’oral.
5. CONCLUSION
Twitter est un genre particulier dans la mesure où il ne relève ni de l’oral, ni de
l’écrit. Il n’entre dans aucun groupe stylistique élaboré à partir de la distribution
fréquentielle des 56 traits retenus pour définir chaque genre. Son hétérogénéité
nous semble provenir de l’absence de traits caractéristiques de l’oral ou de l’écrit,
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access144 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
ce qui est la propriété la plus saillante que nous ayons découverte pour le langage
de Twitter.
Nous avons également découvert que Twitter est relativement proche de certains
genres journalistiques, des scripts des journaux télévisés, des encyclopédies et des
manuels, bien que la distance des traits fréquentiels qu’ils partagent soit
relativement importante. Nous nous proposons d’éclairer la relation entre Twitter
et ces différents genres dans une prochaine étude.
BIBLIOGRAPHIE
Anis J., 2003, Communication électronique scripturale et formes langagières,
Actes des Quatrièmes Rencontres Réseaux Humains/Réseaux Technologiques,
Poitiers, 31 mai-1er juin 2002, Documents, Actes et Rapports sur l’Education.
CNDP.
Biber D., 1988, Variation across Speech and Writing, Cambridge, Cambridge
University Press.
Blanche-Benveniste Cl. et Jeanjean C., 1987, Le français parlé, Transcription et
édition, Paris, Didier.
Dejond A., 2002, La cyberl@ngue française, Tournai, La renaissance du livre.
Gerbault J., 2007, Le langage du cyberspace : de la diversité aux normes, Paris,
L’Harmattan.
Green S.B., Salkind N.J., 2008, Using SPSS Windows and Macintosh : analyzing
and understanding data, Upper Saddle River, N.J., Pearson/Prentice Hall.
KANG Beomil, 2012, The study on measuring the representativeness of corpus –
through the analysis of the distribution of linguistic features, Mémoire de
Master, Yonsei Université.
KANG Beom-mo, KIM Hyunggyu, HUH Myung-Hoe, 1998, Analyses of Korean
Text Types and Styles Based on Statistical Methods, Linguistics 22, Korean
Linguistic Society, p. 3-57.
KIM Yong-Jin, 1990, Register variation in Korean a corpus-based study, thèse de
doctorat, Southern California Université.
Liénard F., 2005, Langage texto et langage contrôlé. Description et problèmes,
Linguisticae Investigationes 28-1, p. 49-60.
McNemar Q., 1969, Psychological Statistics, New York, Wiley & Sons.
Panckhurst R., 2007, Discours électronique médié : quelle évolution depuis une
décennie ?, in J. Gerbault(éd), Le langage du cyberspace : de la diversité aux
normes, Paris, L’Harmattan, p. 121-136.
Véronis J. et Guimier de Neef E., 2006, Le traitement des nouvelles formes de
communication écrite, in G. Sabah (éd), Compréhension automatique des
langues et interaction, Paris, Hermès Science, p. 227-248.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessTwitter coréen : un langage d'un genre nouveau 145
Annexe 1 : Système de transcription de Mccune-Reischauer
Consonne Initial Milieu Final Voyelle
ㄱ K K,G,NG K ㅏ a
ㄴ N, O N, L N ㅑ ya,a
ㄷ T, CH T,D,CH,J t ㅓ ô
ㄹ N,O R,L,N L ㅕ yô,ô
ㅁ M M M ㅗ o
ㅂ P P,B,M P ㅛ yo
ㅅ S, SH S,SH,D,T,N,P,K’ T ㅜ u
ㅇ O, NG O,NG NG ㅠ yu
ㅈ CH CH,J t ㅡ û,u
ㅊ CH’ CH’ t ㅣ I
ㅋ K’ K’ k ㅐ ae
ㅌ T’, CH’ T’,CH’ t ㅒ yae
ㅍ P’ P’ p ㅔ e
ㅎ H H o ㅖ ye,e
ㄲ KK KK k ㅚ oe
ㄸ TT TT t ㅟ wi,i
ㅃ PP PP p ㅢ ûi,i
ㅆ SS SS t ㅘ wa
ㅉ TCH TCH t ㅝ wô
ㅙ wae
ㅞ we
Downloaded from Brill.com03/08/2020 05:28:54AM
via free access146 Hyunjung Son, Jae Yun Lee, Beomil Kang & Ha-Soo Kim
Annexe 2 : Définitions des termes statistiques
(1) z-score
Soit x le taux d’occurrences du trait concerné dans un genre, μ la moyenne des
taux d’occurrences du trait pour tous les genres, σ l’écart type, le z-score de x, z se
calcule par la formule suivante :
(2) fréquence
Nous considérons qu’un trait est fréquent dans un genre si son z-score est plus
élevé que 1 (p=0,3173). Par exemple, parmi les traits les plus fréquents dans
Twitter (Tableau 3), le z-score du trait de la phrase composée d’un seul ôchôl non
nominal est 3,81(p=0,0001) et celui du verbe honorifique est 1,16 (p=0,2460).
(3) différence significative
Nous recourons au test t à deux échantillons pour vérifier que la différence des
z-scores des genres choisis est significative. Par exemple, la différence de Twitter
et de la langue oral pour tous les genres s’est avérée significative (p=0.000059).
(4) distribution fréquentielle des traits
Nous avons représenté le regroupement hiérarchique de la proximité de la
distribution fréquentielle des traits par un dendrogramme (Figure 8) dont la
variable est le z-score des taux d’occurrences de chaque trait pour tous les genres,
la distance étant calculée par le coefficient de corrélation de Pearson. Nous avons
procédé au regroupement par la méthode du lien complet (Complete Linkage).
Dans cette représentation arborescente, la hauteur 10, nous semble-t-il, permet de
discerner des groupes assez grands pour servir d'indicateur de genres. Parmi les
groupes ainsi obtenus, nous avons choisi ceux contenant plus de trois traits, qui
sont les sept groupes stylistiques présentés dans le Tableau 5.
Downloaded from Brill.com03/08/2020 05:28:54AM
via free accessVous pouvez aussi lire
