(Dis)fluency annotation across corpora: One protocol to rule them all

Les études empiriques sur la (dis)fluence (expérimentales et sur corpus) tendent généralement à favoriser des marqueurs de (dis)fluence spécifiques et se limitent à des corpus restreints (au niveau de leur population, des situations de parole étudiées, etc.). Le protocole d’annotation des marqueurs de (dis)fluence présenté a été conçu à partir d’une approche compositionnelle de la (dis)fluence, suivant l’hypothèse que fluence et disfluence résultent d’une combinaison de traits appelés fluencèmes (Götz 2013). Par conséquent, chaque fluencème simple (pause, marqueur du discours, terme d’édition, troncation, faux départ) ou composé (répétition, substitution) est annoté sans jugement a priori de son caractère fluent ou disfluent. L’originalité du protocole réside dans sa capacité d’application à des corpus multimodaux (modalité audio-orale versus visuo-gestuelle) comme multilingues (français L1, anglais L1/L2 et langue des signes de Belgique francophone). En cela, il a pour objectif de couvrir un nombre conséquent de marqueurs et de s’appliquer à une variété de corpus. De plus, d’après notre définition situationnelle de la (dis)fluence, production et perception de fluencèmes dépendent fortement de facteurs distributionnels (fréquence, position, combinaison avec d’autres fluencèmes) et contextuels (type de structuration discursive et situation de communication): le protocole d’annotation nous permettra d’analyser ces facteurs. L’analyse de la distribution, de la co-occurrence ou de l’enchâssement de ces différents marqueurs de (dis)fluence en vue de leur désambiguïsation éventuelle est au cœur même du projet Fluency & Disfluency Markers. Cette contribution présentera les quatre corpus sur lesquels porte le projet ARC « Fluency and disfluency markers. A multimodal contrastive perspective ». Parmi eux, certains mettent davantage l’accent sur la variation des situations de communication et d’autres sur la variation du profil des participants. Pour assurer la comparabilité des différents corpus, un protocole d’annotation des métadonnées a également été élaboré à partir d’un set de traits situationnels inspiré des recherches de Koch & Osterreicher (2011) et de Goldman et al. (2012). Définitions, exemples authentiques et précisions techniques seront exposés pour illustrer non seulement le cadre commun à la base de ces protocoles d’annotation, mais aussi les particularités de chacune des quatre thèses, afin de visualiser les connexions envisagées entre elles. References Gotz, S. (2013). Fluency in Native and Nonnative English Speech. Amsterdam, the Nederlands and Philadephia, PA: John Benjamins. Koch, P., & W., O. (2001). Langage parlé et langage écrit. Lexikon Der Romanistischen Linguistik, 1/2, 584–627. Simon, A. C., Auchlin, A., Avanzi, M., & Goldman, J.-P. (2010). Les phonostyles : une description prosodique des styles de parole en français. In M. Abecassis & G. Ledegen (Eds.), Les voix des Français. En parlant, en écrivant vol. 2 (Vol. 2, pp. 71–88). Berne: Peter Lang