Archives de catégorie : Les Tutos

Retrouvez ici les tutoriels d’utilisation de certains outils, souvent seulement connus des chercheurs, mais que les cliniciens pourront également trouver utiles.

Comment utiliser la base de données “Manulex” ? (1/2)

Folders” by Domiriel

Je vous conseille bien sûr, avant d’utiliser la base de données, de lire l’article original des auteurs présentant l’origine et la construction de Manulex, disponible dans l’onglet “Téléchargements” du site manulex.org. Toutefois, si l’anglais n’est pas votre tasse de thé ou qu’un résumé vous suffit pour l’instant, ce billet pourra, je l’espère, vous apporter quelques conseils pratiques.

Nous verrons à travers cette première partie comment naviguer dans la base de données et comment construire une liste de mots les plus fréquents à travailler avec un enfant. Dans une seconde partie à venir, je tenterai d’expliquer comment construire une mesure répétée, dans le cadre par exemple de lignes de bases chères à l’Evidence-Based Practice, ou d’une étude en Single-Case Experimental Design visant à éprouver l’efficacité d’une rééducation.

Informations préalables

Avant d’entrer dans le vif du sujet, il est important de disposer de quelques informations sur cette base de données, ne serait-ce que pour être sûr.e qu’elle corresponde bien à ce que vous cherchez. Je précise que nous n’évoquerons pas ici les bases Manulex-infra ou Manulex-morpho, qui méritent toutes les deux leur propre billet.

Manulex est une base créée par Lété, Sprenger-Charolles & Colé en 2004. Elle contient près de 50 000 mots différents rencontrés dans 54 manuels scolaires (méthodes de lecture, de grammaire ou d’orthographe) destinés à des niveaux scolaires différents, et empruntant eux-mêmes à différents supports très variés (romans, poésies, pièces de théâtre…). L’objectif de Manulex était de mettre à disposition gratuitement une base francophone permettant aux chercheurs, mais aussi aux professionnels de terrain (enseignants, orthophonistes), de construire leur matériel selon certaines caractéristiques, la plus importante étant la fréquence des mots.

La base de données est manipulable en ligne sur le site manulex.org ou téléchargeable sous la forme d’un tableau Excel. Si l’on n’a pas l’habitude de manipuler les bases de données, le plus simple est à mon avis de télécharger le tableau.

Naviguer dans la base de données

Les mots peuvent être classés par ordre alphabétique, par nombre de lettres (NLET), par catégorie morphosyntaxique (SYNT) et selon différents indices de fréquence (F, D, U, SFI) en fonction de la classe (CP, CE1, CE2-CM2, CP-CM2)1 et ce, selon qu’on préfère utiliser des “lemmes” ou des “formes orthographiques” (deux onglets différents dans le fichier Excel). La différence étant que les “lemmes” regroupent sous la même entrée les mots fléchis (conjugués ou accordés selon le nombre ou le genre). Ainsi, les formes “mange”, “mangeons”, “mangez”, etc seront regroupées, dans l’onglet “lemmes”, sous l’entrée “manger”, ce qui signifie que toutes les données seront mises en commun pour toutes ces formes. Dans l’onglet “formes orthographiques”, en revanche, ces formes disposeront de leurs propres entrées et donc de leurs propres informations sur le nombre de lettres, la classe grammaticale et la fréquence.

Les différents indices de fréquence utilisés dans Manulex

Attardons-nous un peu sur les indices de fréquence évoqués plus haut, à savoir les indices F, D, U et SFI. Les auteurs de la base de données proposent une description de ces abréviations (en français), très abordable et téléchargeable sur le site. Je tenterais ici d’expliquer à ma manière à quoi renvoient ces différents indices.

Le F désigne la fréquence brute d’occurrence du mot dans le corpus sélectionné par les auteurs. Par exemple : dans les 13 livres retenus pour la classe du CP, imaginons que le mot “peut” soit apparu dans 11 de ces livres : 15 fois dans le livre A, 24 fois dans le livre B, 22 fois dans le livre C, 26 fois dans le livre D, etc… Lorsqu’on additionne toutes ces occurrences, on se rend compte que “peut” est apparu au total 100 fois. Le problème de cet indice est qu’il ne prend pas en compte la dispersion du mot à travers les ouvrages, c’est-à-dire à quel point le mot se retrouve dans beaucoup d’ouvrages différents ou juste dans quelques-uns. Or, un mot qui survient 100 fois dans un seul livre n’a pas la même chance d’être connu d’un enfant qu’un mot qui survient 100 fois à travers 11 livres différents. De plus, cet indice n’est pas une proportion, seulement une somme d’occurrences. Or, il serait utile de savoir, par exemple sur un million de mots, combien de fois on peut s’attendre à rencontrer le mot “peut”.

Intéressons-nous donc au D, qui désigne la dispersion du mot à travers l’ensemble du corpus des livres. Le D est toujours compris entre 0 et 1 : plus le D est faible et proche de 0, plus le mot survient dans un faible nombre de livres ; plus il est élevé et donc proche de 1, plus il a tendance à se rencontrer systématiquement sur l’ensemble du corpus. Par exemple, toujours pour la classe du CP, les mots “le” et “la” ont tous deux un D de 0,99, ce qui est logique, puisqu’on peut s’attendre à ce que ces mots apparaissent dans virtuellement tous les livres. En revanche, le mot “Marou” a un D de 0, ce qui signifie qu’il n’est apparu que dans un seul livre. Ceci est également peu surprenant, puisqu’il s’agit du prénom d’un des héros d’une méthode de lecture en particulier. Et pourtant, ce mot a un F de 100, tout comme le mot “peut” vu précédemment, qui lui a un D de 0,90. Le D permet donc de donner une indication sur la dispersion du mot, sans tenir compte de sa fréquence d’occurrence.

L’indice U, qui renvoie à la “fréquence estimée d’usage pour 1 million de mots”, permet de faire la synthèse entre les indices F et U. Il est calculé à partir de ces deux indices : plus le D est proche de 0, plus il permettra de “relativiser”, de réduire F, tandis que plus il est proche de 1, moins il aura d’influence sur F et sur le calcul global du U. De plus, U propose une valeur ramenée à 1 million, c’est-à-dire qu’il permet d’estimer une fréquence d’occurrence pour 1 million de mots, ce que ne permettait pas F. Ainsi, sur 1 million de mots, on estime qu’un enfant de CP peut s’attendre à rencontrer le mot “peut” environ 528 fois, le mot “la” environ 31 309 fois et le mot “Marou” environ seulement 34 fois. Le U est donc particulièrement indiqué lorsqu’on cherche à construire une liste de mots fréquents pour un niveau de classe donné.

Enfin, le SFI ou Standard Frequency Index, renvoie à un dérivé logarithmique de U et permet une estimation rapide de l’échelle d’occurrence du mot. Comme l’expliquent les auteurs dans leur article, “un SFI de 90 signifie une rencontre (une occurrence) tous les 10 mots lus. Un SFI de 80 traduit une rencontre tous les 100 mots. Un SFI de 70, tous les 1000 mots, etc… Un SFI de 40 signifie une seule rencontre dans un million de mots.” Comme aide mnémotechnique, on peut se rappeler que si on soustrait le chiffre des dizaines du SFI à 10, on obtient le nombre de “0” de notre échelle d’occurrence. Par exemple : “jardin” a un SFI pour le CP d’environ 66. 10-6 = 4, donc ce mot apparaît environ une fois tous les 10 000 mots lus.

Les autres abréviations

Voyons maintenant rapidement les autres abréviations, beaucoup plus intuitives. NLET est, comme dit précédemment, le nombre de lettres qui composent le mot ; ce paramètre, souvent utilisé pour considérer la longueur du mot, peut évidemment jouer dans la complexité des mots à orthographier. SYNT est la catégorie morphosyntaxique du mot, et peut renvoyer à un nom commun (NC), un nom propre (NP), un pronom (PRO), un déterminant (DET), un verbe (VER), un adjectif (ADJ), un adverbe (ADV), une préposition (PRE), une conjonction (CON), une interjection (INT) ou à une marque euphonique (UEUPH). Il est important de faire attention à la catégorie morphosyntaxique du mot lorsqu’on souhaite connaître sa fréquence, puisque Manulex fait la différence entre les homographes de catégories morphosyntaxiques différentes. Ainsi, “petit (NC)” n’a pas la même fréquence que “petit (ADJ)”.

Construire une liste de mots les plus fréquents pour une classe donnée

Nous proposerons un tutoriel prenant pour base le logiciel Excel, mais gardez à l’esprit que les étapes seront pratiquement identiques sur un logiciel libre tel que Calc.

1- La première étape est de décider si vous préférez travailler sur des lemmes ou sur des formes orthographiques (voir le premier paragraphe de la partie “Naviguer dans la base de données”, si ces termes ne vous disent rien). Ce choix vous revient, bien évidemment ; en ce qui me concerne, dans le cadre d’une construction de matériel, je préfère travailler sur des lemmes car je les trouve plus généralisables. Sélectionnez, tout en bas de votre fichier Excel, l’onglet correspondant à votre choix.

2- L’étape suivante est de trier vos données. Pour cela, sélectionnez l’onglet “Données”, puis le bouton “Trier”.

3- Une fois que vous avez appuyé sur le bouton “Trier”, une fenêtre devrait apparaître, vous demandant de préciser sur quel(s) critère(s) vous souhaitez trier votre fichier. Puisque c’est la fréquence qui nous intéresse ici, il nous faut choisir un indice de fréquence pour une classe en particulier. Imaginons que ce matériel soit destiné à un.e enfant de CE1. Personnellement, je choisirais CE1 – U, puisque le U me permet de tenir compte de la fréquence du mot, de sa dispersion dans les différents manuels scolaires, et qu’il me donne une indication de son occurrence pour 1 million de mots. Mais le “CE1 – F” ou le “CE1 – SFI” seraient tout à fait envisageables également, en fonction de ce qui vous intéresse le plus. Comme je veux retrouver les mots les plus fréquents, je demande à ce que les valeurs soient classées “Du plus grand au plus petit”.

4- A présent, il ne vous reste plus qu’à déterminer la longueur de votre liste et à copier/coller les mots retenus.

Et voilà, votre liste de mots fréquents est créée ! Si vous souhaitez rajouter un critère à votre classement, par exemple si vous souhaitez ne travailler que les noms communs, effectuez les étapes optionnelles suivantes :

5- Cliquez à nouveau sur “Trier”.

6- Dans “Trier par”, sélectionnez cette fois “SYNT” et choisissez “De A à Z”.

7- Cliquez sur “Ajouter un niveau”, et sélectionnez l’indice de fréquence et la classe qui vous intéressent, sans oublier de choisir “Du plus grand au plus petit”.

8- Faites dérouler le fichier Excel jusqu’à ce que la colonne “SYNT” indique “NC”, et déterminez ensuite la longueur de votre liste.

Si vous le souhaitez, vous pouvez télécharger ici ma liste de 25 mots, créée en respectant ces étapes supplémentaires, sous format .xslx, ou sous format .pdf.

C’est tout pour cette première partie ! J’espère que ce billet vous aura donné envie de créer votre propre liste de mots !

  1. Le choix de fusionner le vocabulaire des classes de CE2, CM1 et CM2 est justifié ainsi par les auteurs : “En français, plus encore qu’en anglais, les changements les plus significatifs dans l’acquisition de la lecture ont lieu en CP et en CE1 (pour des études longitudinales, voir Sprenger-Charolles, Siegel, Béchennec & Serniclaes, 2003). Le corollaire étant que, si les manuels scolaires du CP et du CE1 contiennent un vocabulaire spécifique, le contenu des manuels scolaires change quantitativement mais pas qualitativement entre le CE2 et le CM2, ce qui a justifié notre décision de combiner les corpus [des manuels] de ces trois classes. []