„Dabartinės rašomosios lietuvių kalbos dažninis žodynas“ ir jo bazė

ACTA LINGUISTICA LITHUANICA XLVI (2002), 19-37 Dictionnaire de la langue lituanienne écrite actuelle et sa base de données LAIMAGRUMADIENE Lietuviy kalbos institutas Il existe peu de bases de données électroniques pour le lituanien. Les plus importants sont le dictionnaire de fréquence du lituanien écrit moderne, compilé par V. Zilinskiene et L. Grumadiene, et le corpus de langue lituanienne de l ' Université de Kaunas. Le premier est présenté en détail ici: les principes de sa compilation et ses utilisations possibles sont discutés, et les travaux publiés jusqu'à présent en linguistique statistique basés sur lui sont brièvement caractérisés. Les principaux problèmes liés aux bases de données sur le lituanien moderne sont les suivants : 1) leur différenciation insuffisante (elles ne reflètent que la langue écrite, pas la langue parlée), 2) leur utilisation inoptimale, car la communauté scientifique lituanienne n ' est pas préparée à travailler avec de tels outils, et 3) le fait que les efforts des chercheurs qui les compilent reçoivent trop peu de reconnaissance publique et ne sont pas valorisés comme des réalisations scientifiques originales. 1. VIEILLISSEMENT DES BASES DE DONNÉES ÉLECTRONIQUES En ce moment même, la linguistique lituanienne est comme figé dans le banc du tigre: les travaux remarquables qui sont apparus après l'impulsion principalement reçue du structuralisme ont déjà été écrits, mais l'attente de nouveaux travaux, pas moins importants, est dans l'air. Cela nécessite non seulement une approche différente des phénomènes linguistiques, mais aussi de nouvelles méthodes et outils de travail non encore testés. À l’ère des technologies de l’information, les nouveaux outils de travail des linguistes sont souvent liés à des bases de données électroniques, et celles-ci à des publications linguistiques statistiques. Il semblerait évident qu’elles se distinguent les unes des autres, puisque les bases de données électroniques sont dynamiques et peuvent être exploitées de manière autonome, tandis que les publications sont statiques et ne constituent qu’un ensemble de données fournies à la demande des auteurs. Cependant, dans le passé, et parfois aujourd'hui en Lituanie, ces bases et publications ont été ou sont identifiées. C'est ce que l'on appelle le « dictionnaire inversé ». Le premier dictionnaire rétroactif lituanien, préparé par l'Américain David F. Robinson (1976) sur la base de l'édition de 1954 de DLKZ, comprenait environ 45 000 mots, il n'avait peut-être même pas sa propre base électronique, du moins l'auteur n'en fait pas mention. En outre, à cette époque, une telle base électronique n'aurait même pas été accessible en Lituanie, car le dictionnaire lui-même n'avait été lu que par peu de personnes, car il avait été publié en petit tirage aux États-Unis. En 1991, le linguiste lituanien Juozas Korsakas a préparé un inversé de la langue lituanienne. 20 | LAIMA GRUMADIENĖ dictionnaire, couvrant près de 22 000 mots, sa base était également le DLKŽ, mais déjà l'édition de 1972. Il a été créé à partir d'une base de données électronique, mais cette dernière n'est pas accessible au public (probablement pour des raisons techniques) et n'est donc disponible que sous forme de livre imprimé. Le dictionnaire de la langue lituanienne actuelle (1995) de Vida Žilinskienė n'est pas seulement une réécriture de la DLKZ, car les mots sont présentés dans l'ordre inverse des parties de la langue, et une analyse statistique est ajoutée. Il est actuellement disponible uniquement sous forme imprimée, mais il existe également une version électronique. Il a été utilisé relativement peu (par le groupe de travail dirigé par E. Jakaitienė pour rédiger le dictionnaire lituano-norvégien, pour les articles de Daiva Murmulaitytė (1998, 1999) et d'autres). En outre, le dernier dictionnaire et l'analyse ont été préparés en utilisant la version informatisée du DLKŽ (1993) et son analyse statistique, et non, comme l'indique Rūta Marcinkevičienė (2000a: 16) dans sa revue, la base du Dictionnaire fréquent de la langue lituanienne écrite actuelle (Grumadienė, Žilinskienė 1997; 1998). La version électronique de l'édition de 1993 (élaborée par les chercheurs de l'Institut de mathématiques et d'informatique et de la langue lituanienne) a été peu diffusée (1995) parce qu'elle n'avait pas le droit de distribuer les publications sous forme électronique. L'Institut de la langue lituanienne a repris le DLKŽ, mais depuis 2000, l'édition informatisée (dirigée par Stasys Keinys) a reçu un soutien financier de la Fondation scientifique lituanienne. Comme nous le savons, les éditions de 1993 et 2000 de la LMR ne diffèrent que de peu, et c'est pourquoi il est surprenant que l'on ait décidé de ne pas utiliser la version électronique précédente simplement parce qu'elle a été préparée dans un environnement DOS et dans la base FOXPRO déjà moralement obsolète: on a recommencé à scanner par ordinateur le texte électronique déjà disponible, qui ne nécessite que de légères corrections, augmentant ainsi les coûts de travail et les coûts. Peut-être même que l'analyse statistique sera-t-elle réexaminée? Toutefois, à l'instar de la version informatisée de l'édition de 1993 de l'ILC, de nombreuses bases de données électroniques sont devenues obsolètes et il est donc évident qu'il faut s'inquiéter de leur maintenance. Comme dans le cas de la version électronique des LMR (1993), les bases de données électroniques coûteuses et riches en possibilités de travail innovant ne seront-elles pas préférées par ces instituts aux versions électroniques des LMR? Les lituanistes devraient s'accorder sur des bases de données électroniques qui utilisent des caractères spécifiques, par exemple des écritures anciennes, des textes dialectaux transcrits, car il est déjà nécessaire de sélectionner à nouveau les articles contenant ce type d'exemples si, pour une raison ou une autre, il est décidé de les soumettre non pas, par exemple, aux publications de l'Institut de la langue lituanienne, mais à l'une des rédactions des publications de l'Université de Vilnius. Les dictionnaires dialectaux et les textes dialectaux publiés actuellement, bien qu'électroniques, ne sont qu'un signe de la modernisation de l'imprimerie, car il n'est pas possible d'utiliser leurs textes comme base de données électronique. Ainsi, en l'absence d'un accord entre les lituaniens sur un système de codage commun (par exemple, UNICODE ou autre), l'accès public aux banques de données électroniques est considérablement compliqué, sans parler de l'utilisation très limitée, voire parfois impossible, des technologies électroniques et des programmes pour leur analyse. Y en a-t-il tellement que nous ne pouvons pas les couvrir? Le problème est que ni les linguistes, ni les informaticiens qui les aident ne comprennent encore bien que les bases de données doivent être dynamiques, capables de gérer la multitude de nouveaux logiciels et de nouvelles technologies qui apparaissent constamment, et qu'elles doivent pouvoir être mises à niveau. Jusqu'à présent, la plupart des bases de données électroniques créées en Lituanie sont constituées comme s'il s'agissait des mêmes feuilles avec DICTIONNAIRE DE FREQUENCE DE LA LANGUE CONTEMPORAINE ET SA BASE DE DONNÉES |21 langues, uniquement compilé par le clavier de l'ordinateur. Bientôt, ces données pourraient ressembler à une écriture dentaire gravée dans la pierre : sur les écrans des ordinateurs de nouvelle génération, on ne verra que des « marques » et des « carrés », que les linguistes du futur pourront déchiffrer sans comparer la lecture des runes. Jusqu'à présent, les débats sur cette question ont été stériles, mais il ne faut pas perdre espoir, il faut inviter à nouveau au débat et à la concertation. Par ailleurs, il convient d'attirer l'attention sur les termes: BASE, BANQUE, TEXTE (CORPS), ARCHIVAGE de la forme électronique. Le plus à la mode d'entre eux est le TEXTILE (CORPS). Cette notion est souvent utilisée pour désigner des textes qui ont été rédigés par un seul auteur, mais il existe aussi des textes qui ont été rédigés par plusieurs auteurs, et qui sont généralement appelés « textes de base » ou « textes d'origine ». Le terme banque de termes est généralement associé à la terminologie : les banques de termes ne sont généralement pas appelées manuels. Le terme ARCHYVO est de plus en plus associé à la dimension temporelle : l'accumulation électronique de données anciennes peut être appelée une archive ou une base de données. Ainsi, le terme le plus neutre reste BASE DE DONNÉES ÉLECTRONIQUE, c'est pourquoi il est le plus souvent utilisé ici. (cf. Kennedy 1998: 3 pp.). 2. LANGUES ÉLECTRONIQUES CONTEMPORAINES EN LITUANIE Il n’existe pas de surplus de bases de données en langue lituanienne sous forme électronique. Il n'existe pas de méthodes statistiques pour déterminer le nombre de locuteurs d'un langage, mais des méthodes linguistiques sont utilisées. C'est une étude de la phonétique et de la phonologie. Peut-être cela est-il dû à la nature même de la phonétique, c’est-à-dire que la répétition fréquente des mêmes unités — des sons — permet simplement de tirer des conclusions basées sur des statistiques, ou peut-être à des facteurs subjectifs, c’est-à-dire à l’apparition de chercheurs à la pensée novatrice : en premier lieu Aleksas Girdenis et ses élèves, ainsi qu’Antanas Pakerys. Cependant, ces deux facteurs ont entraîné un bond en avant de la phonétique et de la phonologie lituaniennes, et même un certain écart par rapport aux autres branches de la linguistique. La phonétique est un domaine intermédiaire entre les sciences exactes et la linguistique. La morphologie est l'étude de la fréquence des unités récurrentes dans un langage. Il est donc logique de penser que, dans ce domaine en particulier, il devrait déjà exister un besoin d’utiliser à la fois des statistiques linguistiques et des bases de données électroniques. Jusqu'à présent, cela n'a pas été le cas, bien que de tels travaux et instruments de travail existent déjà. Le premier travail linguistique statistique sur le lexique et la morphologie en Lituanie a été préparé par Vida Žilinskienė (1990) en utilisant ESM. Son dictionnaire de fréquence de la langue lituanienne est basé sur les données d'un des styles fonctionnels, la publicistikos, et il contient une analyse de l'utilisation de 300 000 mots (c'est-à-- dire à la fois des lexiques identiques et différents, et il y en a eu 18 776, après avoir refusé d'étudier plus avant 11 956 mots vérifiés en raison des règles généralement acceptées pour l'élaboration des dictionnaires de fréquence). Tous les textes continus, composés de passages (échantillons) de 1000 utilisations de mots, ont été analysés morphologiquement, intercalés, puis perforés et insérés dans les ESM « Minsk-22 », désormais moralement obsolètes et inutilisables. Il existe une banque de données électronique, mais elle est déjà très difficile à utiliser. Malheureusement, ni l’analyse lexicologique, ni l’analyse morphologique, ni l’analyse accentuologique de l’une des variantes actuelles de la langue lituanienne – la publicistika – ni l’analyse textuelle et linguistique statistique n’ont été utilisées jusqu’à présent de manière appropriée, ni à des fins scientifiques, ni à des fins pratiques, en particulier pour la rédaction de manuels et de dictionnaires pédagogiques. L'un des moyens électroniques préparés (participation inter- 22 | LAIMA La morphologie de la langue des enfants (1999) d'Ineta Savickienė est un exemple de travail de morphologie synchronique. Il convient d’ailleurs de mentionner que d’autres travaux sur les autres langues, la stylistique et en partie la syntaxe, dont la fréquence des unités est beaucoup plus faible, basés sur des données linguistiques statistiques, en particulier ceux d’Audronė Bitinienė (1983, 1997, 1998 et autres), ont été publiés il y a déjà plusieurs dizaines d’années. Il existe également une autre tentative, basée sur des données linguistiques statistiques, d'étudier le lexique actuel. Il a notamment participé à l'élaboration de la terminologie de l'enseignement supérieur en langue française (2000-2001) et à l'élaboration de la terminologie de l'enseignement supérieur en langues étrangères (2000-2001) pour l'enseignement des langues étrangères (2000-2001). Il existe de nombreuses bases de données électroniques qui permettent de préparer des travaux de plus en plus nombreux sur le lexique, parfois assez spécifiques, comme la thèse de doctorat d'Asta Rykliene (2000) sur le lexique utilisé par les navigateurs Internet et son élaboration, mais en général, peu de ces travaux ont été réalisés, et les étudiants ont été peu impliqués dans ce processus (sauf au moins à l'Université Vytautas le Grand). La base électronique pour l'étude du lexique est en cours de préparation par un groupe dirigé par Antanas Pakeri à l'Université pédagogique de Vilnius, alors peut-être y aura-t-il plus de travaux d'étudiants de ce type. Cet article se limite à la description des outils de travail nécessaires pour la recherche sur le lituanien écrit actuel, et ne traite donc pas de la série déjà étendue d’études sur les écritures anciennes, basées sur la base de données électronique de l’Institut de la langue lituanienne. L’apparition de ses propres bases de données électroniques donnera sans aucun doute un nouvel élan à la dialectologie lituanienne : l’Institut de la langue lituanienne prépare déjà la création d’un Centre des dialectes, où les enregistrements des dialectes seront préparés sous forme électronique et les textes transcrits seront déchiffrés. Il a également participé à l'élaboration de la base de données de toponymie et d'onomastique. La base de données électronique du grand dictionnaire de la langue lituanienne, déjà en cours de préparation, devrait être un véritable tournant dans la lexicographie lituanienne, et beaucoup d’espoirs sont également placés dans la base de données électronique du dictionnaire général de la langue lituanienne. Les professeurs de l’Université de Vilnius, dirigés par Evaldas Jakaitienė, sont impliqués dans l’un des projets de l’Union européenne et préparent une liste électronique des mots de la langue lituanienne, sur la base de laquelle devrait éclater une nouvelle série de dictionnaires bilingues. Il s'agit d'un dictionnaire de la langue lituanienne, en concurrence avec le Dictionnaire général de la langue lituanienne. La Commission nationale de la langue lituanienne a commencé à élaborer, à la demande de l’Union européenne, des dossiers électroniques de termes ou de mots étrangers, une sorte de listes d’échantillons des termes et des mots les plus récents et les plus fréquemment utilisés dans divers domaines, distribuées par l’Union européenne à tous ses membres et candidats, afin que les langues puissent s’adapter et se préparer à la vague croissante de traductions, ainsi qu’à la traduction automatique. La base de données électronique de la langue parlée actuelle, comme le polonais, est préparée sur la base d'enregistrements de la langue parlée à la radio et à la télévision, a été créée par un groupe de chercheurs de l'Université de Vilnius (dirigé par Meilutė Ramonienė). La même université s'apprête à constituer une base de données électronique des slavismes (dirigée par Vytautas Kardelis), qui devrait contenir à la fois des enregistrements sonores et des exemples choisis et transcrits d'entre eux. L'expérience montre que les résultats ne peuvent être attendus que si l'on apprend à manipuler ce type de données et à exploiter les nouvelles possibilités. Pour cela, il faut des laboratoires où l’on apprenne cela, de préférence dès le plus jeune âge. La nature même des bases de données électroniques suppose le caractère public et, une fois organisées, elles devraient être accessibles à tous ceux qui en ont besoin. Les plus grands ensembles de données de la langue lituanienne sont l'Institut de la langue lituanienne Le Dictionnaire de la langue lituanienne moderne et sa base de données |23 est une base de données électronique de la langue lituanienne, et par conséquent, en se modernisant, il devrait devenir le plus grand centre d’élaboration de bases de données électroniques de la langue lituanienne, la source de leur utilisation publique, le centre d’attraction et de rayonnement de ce type de travaux et d’idées – peut-être que le Centre de lituanisme, qui est créé sur la base de l’Institut de la langue lituanienne, jouera ce rôle? Les bases de données électroniques qui seront mises en ligne deviendront encore plus ouvertes. Par ailleurs, l'endroit où l'on utilise l'ordinateur n'a plus d'importance une fois que l'accès à Internet est possible, seul ce qui est connecté à Internet est important. Mais ce sont des plans pour l'avenir. En outre, les droits d'auteur sur les œuvres d'art ne sont pas protégés par le droit d'auteur sur les œuvres d'art, ce qui signifie que les œuvres d'art ne sont pas protégées par le droit d'auteur sur les œuvres d'art. Cependant, les bases de données électroniques et les publications linguistiques diffèrent considérablement, et ces dernières ne sont que la partie émergée de l’iceberg. Il s'agit d'une base de données électronique de la langue lituanienne écrite actuelle et des dictionnaires linguistiques statistiques. Cette dernière ne peut pas exister sans une base, mais les possibilités offertes par la base ne se limitent pas à la publication de dictionnaires. 3. ÉCRITURE ÉLECTRONIQUE CONTEMPORAINE Les bases de données linguistiques électroniques se distinguent évidemment des autres collections de données linguistiques par leur forme électronique et par la spécificité de l’utilisation des technologies informatiques associées. L'apparition des bases de données électroniques a ouvert de nouvelles possibilités pour l'étude de la langue, mais elles ne sont pas liées à l'apparition des supports électroniques modernes. Le fait que différents outils produisent des résultats essentiellement similaires, notamment en ce qui concerne les caractéristiques fréquentes des formes grammaticales et des lexiques, montre qu’il existe un certain nombre de similitudes entre les bases de données électroniques modernes et leurs analogues beaucoup plus anciens. En France, Larousse a commencé en 1956 à utiliser une archive de dictionnaires de masse (ancienne génération de machines de calcul électroniques, ESM) pour la production de dictionnaires. 1986: 82). La question de savoir comment constituer des bases de données linguistiques électroniques modernes s’est posée, d’une part, parce qu’avec l’apparition de nouvelles technologies, il était déjà possible de gérer une grande quantité d’informations, puis le volume du texte destiné à illustrer un seul mot (c’est-à-- dire son contexte) a commencé à augmenter. C'est ainsi que l'on a pu étudier les présupposés d'un mot, puis d'unités linguistiques plus grandes, et donc la syntaxe, la sémantique. Il a commencé à s'intéresser à des passages de textes de plus en plus longs, jusqu'à ce qu'il se tourne vers des textes complets, jusqu'à ce qu'il soit freiné par le prix d'achat des droits d'auteur. D’autre part, l’impact de l’invention de Gutenberg a probablement été équivalent à celui de l’apparition des ordinateurs et, surtout, de leur prolifération à une vitesse sans précédent, de sorte qu’avec la progression géométrique de la diversité des contacts humains à distance, tant avec des locuteurs de la même langue qu’avec des non-locuteurs, il y a eu une demande sociale urgente de disposer d’informations statistiques sur la langue, afin d’automatiser autant que possible les processus de communication : l’apprentissage des langues, la traduction, la reconnaissance, la compression de l’information, le transfert, etc. La linguistique lituanienne n'a pas été écartée de ce processus général, bien sûr, mais elle a pris beaucoup de retard. Tout au long du XXe siècle, et en particulier dans la seconde moitié, le monde semblait déjà se préparer à un nouveau bond en avant. Il s'agissait d'abord de dictionnaires de langues courantes. Les premiers sont apparus au XIXe siècle. 24 | LAIMA Fin du XIXe siècle : début du XXe siècle. Le premier est celui de l'allemand, établi par le sténographe E. Kaeding en 1898 à partir de 11 000 000 mots utilisés. En 1929, il publie un dictionnaire de la langue française de ce type. En 1934, H. Eaton publie un dictionnaire comparatif des mille premiers mots les plus courants dans quatre langues : l'anglais, le français, l'allemand et l'espagnol. Le premier dictionnaire général de l'anglais a été rédigé par E. Thorndike et L. Lorge (1944), et celui de l'espagnol par V. Garcia Hozas (1953). Le premier dictionnaire courant de la langue russe en Amérique a été préparé par H. Josselson (1953), et N. P. Vachar (1966), également en Amérique, a publié un dictionnaire courant de la langue russe parlée de la période soviétique, mais il est essentiellement préparé sur la base de la langue des œuvres dramatiques. En 1963, E. Steinfeldt publie à Tallinn un dictionnaire courant de la langue de Pouchkine. En 1993, L. Lonngren a rédigé à Uppsala un dictionnaire général de la langue russe sur la base d'un corpus de 1 000 000 de mots, composé pour moitié de fiction et pour moitié de prose d'information (publications, lettres de bureau et littérature scientifique- ). Les premiers dictionnaires courants non seulement du russe, mais aussi du roumain et de l’italien ont été préparés en Amérique — par A. Juillard, P. M. Edwards, I. Juillard (1965), A. Juillard, V. Traversa (1973) (d’ailleurs, A. Juillard, E. Ch. Il a été publié en 1964 par J.R. Alameda et E. Cuetos, et en 1995 par J.R. Alameda et E. Cuetos. Toute une série de dictionnaires courants se sont basés sur le concept de styles fonctionnels de la langue de la Société linguistique de Prague, ainsi que sur la notion de langue commune de Boris Larin: le premier, comme il se doit, était celui du tchèque, d'abord des styles fonctionnels individuels, puis le dictionnaire général, rédigé par un collectif d'auteurs dirigé par Marie Těšitelová (J. Jelinek, J. V. Bečka et autres, voir Těšitelova 1983). Les Lettons, tout comme les Tchèques, se sont précipités à préparer d’abord des styles fonctionnels distincts, puis un dictionnaire général en deux parties — T. Jakubaite, D. Kristovska, D. Gulevska, V. Ozola, R. Prūse, A. Rubine, N. Sika (1966-1976- ). La même méthodologie a été utilisée par V. A. Agrayev, V. V. Borodin, V. M. Muratova, E. V. Tisenko, sous la direction de L. N. Zasorina (1977), pour élaborer un dictionnaire courant de la langue russe actuelle basé sur 1 000 000 de mots utilisés dans quatre styles fonctionnels. Un seul style fonctionnel — la littérature de fiction — est présent dans le dictionnaire de la langue biélorusse, préparé par N. S. Mazeika et A. J. Suprun (Mažejka, Suprun 1976). Il existe également un dictionnaire de la langue bulgare (Todorova, Pančovska 2001). Le premier dictionnaire fréquent de la langue lituanienne préparé par V. Žilinskienė (1990) était également d'un seul style fonctionnel : publicistique, utilisant la même méthodologie que la langue tchèque, en étroite collaboration avec la langue lettone. Au fil du temps, bien que la langue lituanienne ne puisse pas s’en vanter, le monde a vu apparaître une grande variété de dictionnaires courants: de langues d’auteurs individuels, de styles fonctionnels, de variantes de langues régionales, de langues écrites et parlées, etc. Les dictionnaires de fréquence de la « langue en général » sont devenus inopérants, car ils étaient nécessaires pour répondre à des objectifs spécifiques, de sorte que la sélection des mots devait être faite à partir de textes d'un domaine et non de l'ensemble de ceux-ci. Cependant, le problème de l'élaboration de dictionnaires fréquents a pris une autre dimension lorsque les comportementalistes et les positivistes américains ont trouvé des livres électroniques dans la recherche d'exemples d'usage : le développement rapide de la technologie électronique a permis non seulement de stocker, mais aussi de traiter d'énormes masses de textes. Les débuts de la linguistique des manuels remontent à 1961, lorsque Nelson Francis et Henry Kučera ont annoncé et commencé à développer le célèbre manuel électronique Brown de la langue écrite (Brown University), John Sinclair —le manuel LOB (Lancaster-Oslo/Birmingham) du même format—, et le professeur de langues modernes de l'université de Cambridge, John C. Le vocabulaire de la langue moderne et sa base |25 tyną; En 1959, Randolph Ouirk a annoncé le SEU (Survey of English Usage), un corpus de l'anglais écrit et parlé, suivi par Jan Svartvik à l'université de Lund qui a commencé à créer le LLC (London-- Lund Corpus of Spoken English). Le volume total des manuscrits mentionnés à l'époque était d'environ 1 à 1,15 million d'utilisations de mots, et d'autres manuscrits similaires sont apparus par la suite (voir Aijmer, Altenberg 1991: 1tt.). Le volume des manuels de la deuxième génération se chiffre en dizaines de millions, celui de la troisième en centaines et en milliers. Dans le monde, le problème de la compatibilité des logiciels informatiques et des programmes de travail individuels reste d’actualité : on a déjà accumulé des volumes de textes extrêmement importants – des centaines de millions de mots (c’est essentiellement la forme électronique de la bibliothèque), mais comment s’en servir confortablement, comment compter les fréquences les plus élémentaires, comment ne pas se perdre dans l’océan des mots? Après tout, la quantité détermine-t-elle toujours la qualité? Dans de nombreux dictionnaires de fréquence, on s'est assuré que la moitié des mots étudiés n'étaient utilisés qu'une seule fois. Par conséquent, chaque fois que vous commencez à travailler, vous devez bien réfléchir à la question de savoir si les tâches que vous avez fixées nécessitent vraiment de travailler avec une abondance de matériel, en recherchant les mots les plus rares. En effet, si l'on considère que les résultats de l'étude sont très proches des résultats de l'étude réelle, il est difficile de déterminer si les résultats de l'étude sont représentatifs de l'ensemble de la population. Il s'agit d'une méthode d'analyse de textes, c'est-à-dire d'une méthode d'étude de textes. Dans la linguistique lituanienne, la plupart des questions à cet égard posent actuellement le problème de savoir ce qui doit être considéré comme la langue lituanienne commune, en quelles parties les styles linguistiques fonctionnels devraient être représentés ou les couches linguistiques distinctes selon d'autres critères. Le vocabulaire de l'université Vytautas Didysis, mentionné ci-dessus, a été établi selon certains principes de sélection, tandis que celui du Dictionnaire courant de la langue lituanienne écrite actuelle a été établi selon d'autres, ce qui explique les résultats différents. Les données statistiques sur, par exemple, les parties individuelles d'une phrase tirées de différents recueils de textes doivent être évaluées avec beaucoup de soin et d'objectivité. Il a été remarqué que les travaux déjà écrits ou en cours de rédaction ne prêtent pas suffisamment d'attention aux textes qui ont été étudiés et font des généralisations sur la « langue lituanienne actuelle ». Le travail avec les chiffres nécessite de la précision, sinon des conclusions trompeuses sont obtenues. Le texte électronique du Dictionnaire courant de la langue lituanienne écrite actuelle (1,2 million d’utilisations) est destiné aux textes de première génération (Brown, type LOB) – plus d’un million de mots. Il est lié à ces célèbres textes par une autre caractéristique commune : comme peu de textes postérieurs dans le monde, il est annoté. Les technologies informatiques ont donné aux langues analytiques des conditions exceptionnelles : des programmes spéciaux, mais assez répandus (en particulier le célèbre Oxford Concordance Program de l'Université d'Oxford, ainsi que KWIC, KAYE, CLAN, OCE, WordCruncher, etc.) permettent d'établir relativement facilement des listes des mots les plus courants, de fournir leurs concordances (Leech 1991: 10; Utka 2000). C'est une des raisons pour lesquelles les élèves de l'enseignement secondaire ont tendance à utiliser le terme de « langue » pour désigner la langue maternelle, et non la langue d'enseignement, car la langue maternelle est la langue parlée par la majorité de la population, et la langue d'enseignement par défaut est le français. C'est pourquoi les programmes de synthèse sont plus complexes : ils produisent des listes de formes de mots plutôt que des listes de mots-titres. Il faut beaucoup de travail supplémentaire avant que les formes de mots ne soient sous-synonymisées et ne deviennent des mots de titre. De telles listes de mots, ayant également un examen grammatical, sont déjà appelées annotées, il n'y en a pas beaucoup dans le monde, elles sont très appréciées, car elles nécessitent des coûts de main-d'œuvre considérables et sont donc 26 | LAIMA GRUMADIENĖ sont très coûteux (nous avons calculé avec V. Žilinskienė que dans notre cas, la seule sélection des textes, la saisie au clavier de l’ordinateur, leur analyse morphologique semi-automatisée (appelée LEMAVIMAS), la correction et l’introduction des données dans l’ordinateur nécessiteraient six années de travail d’une seule personne). Les calculs et les corrections ultérieures prennent à nouveau plusieurs années, car toute inexactitude dans l'exécution des opérations mathématiques peut se transformer en absurdité. En général, les dictionnaires courants, en particulier avec l'apparition des dictionnaires électroniques, peuvent maintenant être créés de différentes manières, selon ce que vous cherchez. La raison principale pour laquelle de nouveaux dictionnaires de référence sont créés, en particulier ceux qui prétendent être des dictionnaires de la langue n, est que la condition fondamentale de la statistique linguistique, comme de toute statistique, est que l'échantillon doit être représentatif de la population. En bref, il y a toujours des doutes quant à savoir si l'échantillon reflète réellement la population cible. Par exemple, le dictionnaire de fréquence de la langue lituanienne actuelle préparé par l’Université Vytautas Didysis, qui est composé de 60 millions d’utilisations de mots, serait différent des dictionnaires déjà publiés par L. Grumadienė et V. Žilinskienė (1997, 1998), car ses résultats refléteraient l’ensemble des textes, dont la base est constituée de 70% de publications périodiques, 2696 publications non périodiques et 4% de publications traduites (Marcinkevičienė 2000a: 16). Les textes des dictionnaires publiés ont été sélectionnés sur une toute autre base: ce sont des textes originaux, non traduits, de quatre styles linguistiques fonctionnels – journalistique, de bureau, de fiction et scientifique. C'est ainsi que la langue commune lituanienne, en particulier la langue écrite, est encore formée, réglementée et codifiée dans l'esprit des idées du Cercle linguistique de Prague (il convient d'ailleurs de noter que le terme de STYLE est maintenant défini de manière assez différente par les différentes écoles de linguistique). On a suivi les principes d’autres auteurs de dictionnaires courants, en particulier les tchèques, les russes, les lettons, qui ont eux aussi suivi la conception de la langue commune —la somme des styles linguistiques fonctionnels—, les dispositions, les expériences, et donc, comme eux, on a choisi des sélections d’usages de 300 000 mots de quatre styles fonctionnels, parce qu’on a estimé que les principes de la conception du dictionnaire de l’Université Vytautas Didysis (qui, d’ailleurs, est apparu plus tard que le nôtre) étaient encore trop précoces pour la langue lituanienne écrite, plus proches de la conception américaine de la langue commune (ou standard, comme c’est habituel là-bas). La base de données du dictionnaire courant du lituanien écrit actuel manque parfois de vocabulaire courant, car on oublie qu'il est formé uniquement sur la base de la langue écrite publique: il ne contient ni lettres privées, ni journaux, ni notes murales, etc. Cependant, le dictionnaire contient également des mots de la langue parlée, y compris non seulement des expressions étrangères, des dialectes, mais aussi des exemples de vocabulaire péjoratif intolérables dans le langage courant, ce qui a constamment fait l'objet de reproches de la part des auteurs du dictionnaire. La question se pose de savoir ce que l'on peut considérer comme de la littérature de fiction : ces mots étaient dans des textes de fiction (textes originaux imprimés en Lituanie à plus de 100 exemplaires) et le postulat de la constitution d'un dictionnaire courant est de ne pas éliminer un seul mot significatif, à moins qu'il ne soit un mot vrai, un chiffre, une abréviation ou une erreur de correction. D’ailleurs, les données montrent qu’après avoir sélectionné des échantillons de 300 000 mots d’utilisation pour chacun des quatre styles fonctionnels, dans le style journalistique, on a trouvé 284 687 mots significatifs (15 313 soi-disant « déchets »), dans le style professionnel — 279 505 (pour les raisons susmentionnées n’ayant pas été inclus dans le dictionnaire — 20 495), dans le style scientifique — 278 311 (21 689), dans le style de fiction — 290 561 (9 439). Le cœur n’a pas permis de jeter le vrai mot Lituanie, il est donc exceptionnellement le seul vrai mot entré dans le dictionnaire (il s’avère être le 16ème mot par fréquence, le premier des noms, sa fréquence est de 5151 même 614 échantillons: ici déterminé par les documents officiels, Le nom de l'endroit est souvent utilisé dans le vocabulaire quotidien, notamment pour désigner les 27 communes qui composent le département (voir ci-dessous). Il peut être utilisé pour désigner des pays ou des régions (par exemple, l'Afrique du Nord, l'Afrique du Sud, l'Afrique du Sud-Est, l'Afrique du Sud-Ouest, l'Afrique du Sud-Est, l'Afrique du Sud-Ouest, l'Afrique du Sud-Est, l'Afrique du Sud-Ouest, l'Afrique du Sud-Ouest, l'Afrique du Sud-Est, l'Afrique du Sud-Ouest, l'Afrique du Sud-Ouest, l'Afrique du Sud-Ouest). En outre, les œuvres de l'écrivain ont été mises à l'épreuve par la censure de l'époque : il a été interdit de publier des textes de poésie, de théâtre, d'histoire, de littérature, de science-- fiction, de littérature juvénile, etc.. Les textes de la publication ont été sélectionnés par Vida Žilinskienė, ils se composent de textes de 19 quotidiens ou hebdomadaires centraux rédigés entre 1994 et 1995 et de magazines largement lus, représentant cinq groupes thématiques: 1) politique, 2) industrie et agriculture, 3) éducation et droit, 4) art et 5) divertissement (sport, horoscopes, prévisions météorologiques). Les textes de style thématique ont été sélectionnés par Pranas Kniūkšta et Danutė Vainauskienė parmi les publications et documents de 1990-1995 selon sept groupes thématiques: 1) lois et documents les accompagnant, commentaires, 2) documents juridiques, 3) référentiels et documents économiques et commerciaux, 4) publications de science politique, documents de partis, 5) publications de normes et de statistiques, 6) sources d’information (bibliographies, catalogues, dictionnaires), 7) publications de domaines sociaux individuels. (documents de défense nationale, de sécurité sociale, d'éducation, de culture, etc.). Les textes de style scientifique ont été sélectionnés par Irena Andriukaitiene parmi les publications scientifiques ou les travaux approuvés par les institutions scientifiques publiés en Lituanie entre 1990 et 1995 selon huit groupes thématiques (direction scientifique): 1) sciences agricoles, 2) sciences naturelles, 3) sciences humaines, 4) mathématiques, 5) médecine, 6) sciences sociales, 7) techniques, 8) théologie. Les textes de style littéraire ont été sélectionnés par Laima Grumadienė à partir des œuvres de prose de fiction publiées en Lituanie entre 1985 et 1990 (avec quelques exceptions), dont six groupes « thématiques » ont été divisés selon les origines des auteurs : 1) Žemaičiai, 2) Rytų aukštaičiai, 3) Vakarų aukštaičiai, 4) Pietų aukštaičiai, 5) Miestiečiai, 6) Emigrantai (la véritable origine de ces derniers n'a pas été prise en compte). C'est à ce moment-- là que l'on commence à parler de la langue lituanienne écrite. Parmi eux, on choisissait au hasard (les pages et les lignes étaient sélectionnées à partir d'une table de nombres aléatoires) une section de 1000 mots, appelée échantillon, et on assemblait le clavier de l'ordinateur (environ deux heures de travail). Il a ensuite été utilisé pour l'analyse morphologique de l'échantillon, par le programme MAN (Morfologinio analizavimo ir normalizavimo). Cette œuvre a été publiée en 2000 sous le titre de « Lectures » dans le cadre de l'édition 2000 de l'Encyclopédie universelle des sciences humaines, et a été traduite en français sous le titre de « Lectures » en 2002. Ce travail ressemblait à ceci: on obtient une feuille de calcul, dont il faut « balayer » les lignes inutiles (mon soulignement). C'est une comédie, pas une pièce de théâtre, mais une pièce de théâtre, une pièce de aš théâtre, une pièce de théâtre, une pièce de théâtre, une pièce de théâtre. (...) Exemple de détermination du texte penser me àvr vns K me àvr vks dlv veik bk ne àvr vyr vns V Page 34 | Laima Grumadiene Classement Fréquence dkt vks bdv prv ívr 301-350 460-374 19646 10424 2420 2073 393 54,28% 28,80% 6,69% 5,73% 1,09% 351-400 373-313 18504 7550 3381 1347 654 53,04% 21,64% 9,69% 3,86% 1,87% 401-450 312-260 19156 7865 3976 522 304 57,20% 23,49% 11,87% 1,56% 0,91% 451-500 259-205 21718 9987 4806 2486 471 53,17% 24,45% 11,76% 6,08% 1,15% La langue officielle de la République de Lituanie est le lituanien (environ 800 000 locuteurs). 2000 : La langue de l'amitié, éditions du Seuil, 2001 : La langue de l'amitié, éditions du Seuil, 2002 : La langue de l'amitié, éditions du Seuil, 2003 : La langue de l'amitié, éditions du Seuil, 2004 : La langue de l'amitié, éditions du Seuil, 2005 : La langue de l'amitié, éditions du Seuil, 2006 : La langue de l'amitié, éditions du Seuil, 2007 : La langue de l'amitié, éditions du Seuil, 2008 : La langue de l'amitié, éditions du Seuil, 2009 : La langue de l'amitié, éditions du Seuil, 2010 : La langue de l'amitié, éditions du Seuil, 2011 : La langue de l'amitié, éditions du Seuil, 2011. 501-550 204-155 22494 13153 7023 2481 525 46,97% 27,46% 14,66% 5,18% 1,10% 551-600 154-106 30834 17197 6221 4419 151 50,91% 28,39% 10,27% 7,29% 0,25% Le nombre de langues officielles est de 1 200, dont 1 200 langues régionales. ↑ (en) « Statistical Yearbook 2000 », sur Statistical Yearbook 2000. La fréquence des parties de la langue de qualification et la fréquence générale des mots Classement Fréquence dkt vks bdv prv pvr 601-650 105-56 45751 20328 12145 5822 433 52,31% 23,25% 13,88% 6,66% 0,50% Dictionnaire minimal de la langue lituanienne d'État de la IIIe catégorie de qualification (environ 2500 mots) Dictionnaire de la langue française IR JO BASE | 35 skt prl jng dll ist; jst Montant 426 - & 812 — 36194 1,1796 2,2496 3,02% - — 1407 2043 — 34886 4,03% 5,87% 291% 276 — 272 1118 — 33489 0,82% 0,81% 3,34% 2,79% 255 224 210 700 3 40857 0,6296 0,55% 0,51% 1,71% 3,40% mots) recouvre 56,66% le texte (échantillon) iš 1,2 min. usage des mots). 56,66% CATÉGORIES MINIMUM ZODYNO LINGVOSTATISTINE ANALYSE: skt prl jng dll est; jst Montant 530 342 177 795 371 47891 1,11% 0,71% 0,37% 1,66% 0,78% 3,99% 520 275 132 713 109 60571 0,86% 0,45% 0,22% 1,18% 0,18% 5,05% mots) recouvre 65,70% le texte (échantillon) iš 1,2 millions de dollars usage des mots). 9,0496 Iš visage: (=65,7096) ANALYSE LINGUISTIQUE STATISTIQUE DU VOCABULAIRE MINIMAL DE LA CATÉGORIE: skt prl jng dll ist; jst Montant 460 341 372 1697 102 87446 0,52% 0,40% 0,42% 1,94% 0,12% 7,29% mots) recouvre 78,04% le texte (échantillon) iš 1,2 millions de dollars usage des mots). 7,2996 Iš visage: (=78,04%) AUMER, K., ALTENBERG, B. 1991: Introduction à l'histoire de la littérature française. Aijmer, K., Altenberg, B., eds., Linguistique du corpus anglais. Études en l'honneur de Jan Svartvik, Londres-New York: Longman. ALAMEDA, J. R., CuEros, E 1995: Diccionario de frecuencias de las unidades lingiiisticas del castellano, Universidad de Oviedo. 1983 : La science et l'éducation, Éditions du Seuil, 1983. 1997 : « Les formes et les fonctions de la langue », Éditions de l'Université de Montréal. 1998 : Le style administratif et sa longueur de phrase. Kalbotyra 47 (1), 17-28. EATON, H. 1934: Liste comparative de fréquences sur les mille premiers mots en français, anglais, allemand et espagnol. Coleman, A., ed., Expériences et études dans l'enseignement des langues modernes, Chicago. Garcia Hoz, V. 1953: Vocabulario usual, comun y fundamental. Madrid: Consejo Superior de Investigaciones Científicas —Instituto „San José de Calasanz- ®. GRUMADIENE, L., ZILINSKIENE, V. 1997: Dažninis Zodynas dabartinés rasomosios lietuviy kalbos (descending frequency order), Vilnius: Matematikos ir informatikos institutas, Lietuvos kalbos institutas. 1998 : Dictionnaire de la langue lituanienne écrite actuelle (ordre alphabétique), Vilnius : Institut des mathématiques et de l'informatique, Institut de la langue lituanienne. HILLERICH, R., www: eduplace. com: Mots et vocabulaire à haute fréquence. JAKUBAITE, T. e.a. 1966-1976: Dictionnaire de l'épaisseur de la langue lettone, 1.4. séjumi, Riga: Zinatne. JosseLsoN, H. 1953: Le compte des mots russes et l'analyse de fréquence des catégories grammaticales du russe littéraire standard, Detroit: Periodical Service Co. JuiLLAND, A., RODRIGUES, E. Ch. 1964: Dictionnaire de fréquence des mots espagnols, La Haye: Mouton. JUILLAND, A., EDWARDS, P. M., JUILLAND, I. 1965: Dictionnaire de fréquence des mots roumains, La Haye: Mouton. JUILLAND, A., TRAVERSA, V. 1973: Dictionnaire de fréquence des mots italiens, La Haye: Mouton. Kaeding, E. 1898: Haufigkeitswörterbuch der deutschen Sprache, Steigliz bei Berlin (édition personnelle). 1993 : Dictionnaire de la langue lituanienne actuelle, Vilnius : Éditions de la science et de l'encyclopédie. 2000 : Dictionnaire de la langue lituanienne actuelle, Vilnius : Éditions de la science et de l'encyclopédie. KENNEDY, G. 1998: Introduction à la linguistique des corpus, Paris: Gallimard, 1998. 1991 : Dictionnaire de la langue lituanienne inversée, Kaunas : Šviesa. 1954 : Dictionnaire de la langue lituanienne actuelle, Vilnius : Éditions de la littérature politique et scientifique de l'État. 1972 : Dictionnaire de la langue française actuelle, Paris : Gallimard. LEECH, G. 1991: L'état de l'art de la linguistique des corpus, Aijmer, K., Altenberg, B., eds., Linguistique des corpus anglais. Études en l'honneur de Jan Svartvik, Londres-- New York: Longman. LONNGREN, L. 1993: Yacmomnoiū crosape cospemennozo pycckozo aswika. Uppsala. (Acta Universitatis Upsaliensis, Studia Slavica Upsaliensia 32) MARCINKEVICIENE, R. 2000a: Tekstyny lingvistika (Theory and Practice). Œuvres et jours 24, 7-64. MARCINKEVICIENE, R. 2000b: Les modèles d'usage des mots en linguistique des corpus. 49 (3), 71-80. MAZEJKA, N. S. (Max3iika, H. C.), SUPRUN, A. Ja. 1976 : Yacmomnoi : cnoynix Genapyckaii Moet (macmaykas nposza), Minck : Beinasenrsa BJ1V ims V. Jlenina. 2000 : La langue de l'école (1991-1992), éditions du Seuil, 2001. École de médecine de l'université de Vienne : Universitätsklinikum Wien. 1998 : « Le langage de l'amitié », Dictionnaire de la langue française moderne. Revue française de linguistique, 39, 240-247. 1999 : Dictionnaire de l'informatique. Lituanistica 2 (38), 92-98. 2000 : La communication en ligne : le cas de la communication écrite. Travaux et jours 24, 99-107. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien, Michigan : Slavica Publishers Inc. 1976 : Dictionnaire inversé lituanien. 1986 : Onsir co3nanus HaUHOHANBLHBIX JIEKCHKOTpaOHUeCKHX CJIyxO 3a pybexom. Le tombeau. H., pea., Mauunnor pono pycckozo asvika: udeu u cymcoenus, Mocksa: Hayka, 75-83. 1999 : La petite fille de l'étang. École de médecine de l'université de Vienne : Universitätsklinikum Wien. 1994 : Le langage de l'enseignement : un dictionnaire de base. ŠTEJNFEL'DT, E. A. 1963: Yacmomnbtū crosaps COBPEMEHHO20 PYCCKO20 iumepamypno2o A3bIKA, Tannun. TESITELOVA, M. et al. 1983 : Dictionnaire de la langue française, Paris : Éditions de l'Académie des sciences. THORNDIKE, E., LORGE, L. 1944: Un dictionnaire des vingt mille mots les plus fréquemment et largement utilisés dans la lecture générale pour les enfants et les jeunes, Paris: Presses Universitaires de France, 1944. Century Crofts. TopoRova, E., PANCOVSKA, R. 2001: Yecmomen peunux na 6wrzapckama nybauyucmuxa (1944— 1989), Codus: Ilencodr. 2000 : Le langage et ses possibilités. 24, pp. 275-285. VACAR, N. P. 1966: Un compte de mots du russe parlé. L'usage soviétique, Ohio: Ohio State University Presse. VANDER BEKE, G. 1929: Le vocabulaire de la langue française, Paris: Gallimard, 1929. ZASORINA, L. N., red., 1977: Yacmomuwiit caoeape pycckozo aswika, Mocksa: UsnatensctBo «PycckHH A3BIKY. 2000 : La morphologie de l'espèce humaine : analyse morphologique. 2, pp. 246-273. 1990 : Dictionnaire de la langue lituanienne, Vilnius : Mokslas. 1995 : Dictionnaire de la langue française moderne, Paris : Éditions du Seuil, 1995. 1998 : La langue de l'école : un dictionnaire de l'école (première édition). Revue française de linguistique, 39, 219-227. 1998 : Dictionnaire minimal des langues lituanienne-russe (première catégorie de qualification) pour les catégories de compétence de la langue d'État, Kaunas : Šviesa. 1999 : Dictionnaire minimal des langues lituanienne-russe (deuxième catégorie de qualification) pour les catégories de compétence de la langue d'État, Vilnius : UAB „Nacionalinių tyrimų centro“ leidykla. 1999 : Dictionnaire minimal des langues lituanienne-russe (troisième catégorie de qualification) pour les catégories de compétence de la langue d'État, Vilnius : UAB „Nacionalinių tyrimų centro“ leidykla. 2001 : La langue et la littérature dans la littérature française contemporaine, Éditions du Seuil. Linguistica Lettica 9, 155-168. Zilinskiene, V. spausd. : Caractéristiques statistiques de la morphologie du style subjectif de la langue lituanienne et leur comparaison avec les caractéristiques correspondantes de la littérature. Littérature. Laima Grumadiené Reçue le 19 avril 2002 Institut de la langue lituanienne P. Vileišio g. 5, LT-2055 Vilnius, Lituanie laigruma(dtakas.lt