3-ponctuation-et-syntaxe-dans-la-langue-francaise - Tunisie ...

«[L]a méta-information, dans les cas de données textuelles, est particulièrement abondante.
Chaque mot utilisé, même si c’est un mot grammatical [. . .] a droit à plusieurs lignes, ou
plusieurs pages dans un dictionnaire encyclopédique. 16 Les règles de grammaire constituent
évidemment une méta-information fondamentale.
[. . .]
Le problème principal concerne la pertinence de ces différents niveaux de méta-information
vis-à-vis du problème que l’on étudie.» (Lebart/Salem 1994, 21).
À cet égard, la définition des individus en vue d’un traitement statistique est une procédure
assez proche de celle qui consistait, à un niveau plus abstrait, à discerner les
caractères parmi les propriétés des objets, de manière à définir les concepts (chapitre
→1).
Chaque occurrence de construction est en rapport avec de nombreuses données
d’ordres différents. Il serait effectivement possible d’intégrer d’innombrables variables
au traitement, mais à l’exigence de pertinence s’ajoute celle de simplicité.
Lorsqu’il est question de traiter des données syntaxiques, qui sont structurées suivant
un modèle hiérarchique (chapitre→3), la récursivité multiplie virtuellement à l’infini
les informations qu’il est possible d’intégrer à la description de chaque individu.
S’agissant de décrire une proposition dont le prédicat est à l’infinitif, par exemple le
constituant souligné dans:
· en tıeſmong de ceſte [8] choſe · aj ıo faıt ceſ letreſ ſaíeler de mon˘ ˘
ſaıel · lan del jncarnatıon
jhesu crıst · mıl · et · cc · et · xxx · vj · [9] el moıs · de jvle (Document 1236–07, 7)
il pourrait se révéler pertinent de créer une variable enregistrant si ce prédicat est
également complémenté par un R2 qui lui est propre (ce qui est le cas ici). Si ce R2
est de nature propositionnelle, on pourrait continuer à relever les variables et ainsi de
suite. Une telle pratique mènerait immanquablement à un relevé disproportionné et un
grand nombre de modalités (les modalités «simples») seraient surreprésentées.
Il faut donc sacrifier une partie de l’information et une partie de l’intérêt du corpus
s’en trouve dès lors négligée. On pourrait juger sévèrement toute réduction des
matériaux, arguant que l’élimination d’informations précieuses affaiblit les conclusions
qu’on en tire. Le procédé est cependant obligatoire: sans lui, chaque individu
serait défini par un très grand nombre de variables aux modalités extrêmement variées.
La seule conclusion à laquelle l’analyse aboutirait alors est que chaque individu est
l’unique représentant d’une classe particulière, dont on ne peut rien dire, faute d’effectif.
. . Les statistiques n’étant réellement utilisables que si les effectifs sont suffisants,
il faut se résoudre à limiter le nombre de variables et le nombre de modalités de chacune
d’elles. Paradoxalement, le fait de négliger une partie de l’information permet
de décrire plus efficacement les données. On évite de se perdre dans une myriade de
variables complexes en sélectionnant d’emblée un petit nombre de variables simples.
4.2.4 Finesse de la description
La formalisation des données et la sélection des questions jugées pertinentes sont autant
de facteurs qui diminuent la finesse de la description.
16 Sic.
160