Notes

• [1]
  Et dont la structure peut naturellement être explorée suivant les méthodes présentées dans le chapitre précédent.
• [2]
  Voir la structure CARS (Creating A Research Space) définie par Swales (1990).
• [3]
  La représentation proposée est bien sûr non-hiérarchique, les niveaux étant en constante interaction.
• [4]
  À noter qu’à moins d’avoir recours à un questionnaire dans lequel seront explicitement consignées les informations qui nous intéressent, il est souvent difficile de disposer de ces données lorsqu’on travaille sur des corpus écrits – a fortiori quand on travaille sur des données issues du web, avec le jeu des pseudonymes et des avatars, et les détours des identités numériques.
• [5]
  Bien qu’il s’agisse d’une variable numérique, on traite l’âge comme une variable catégorielle.
• [6]
  Après avoir choisi un seuil de fréquence minimale, puisqu’il serait bien hasardeux de faire des probabilités sur une unité n’apparaissant qu’une ou deux fois dans le corpus.
• [7]
  Très exactement 68,26% des valeurs.
• [8]
  Formule simplifiée, puisqu’on admet certaines approximations, comme le fait de considérer que la variance est égale à la fréquence théorique – voir notamment Muller (1977/1992 : 50, 51) pour des explications que nous ne pouvons restituer intégralement ici.
• [9]
  On se réfère usuellement à une table pour convertir l’écart réduit en probabilité. Cf. Muller (1977/1992 : 198), Annexe Table pour les écarts réduits.
• [10]
  Voir par exemple Muller (1977/1992 : 197), Annexe Table de distribution du Chi2 ; on trouve par ailleurs de nombreuses tables du Chi2 en ligne.
• [11]
  C’est par exemple le cas pour AntConc.
• [12]
  Le calcul de l’écart réduit présente cet intérêt d’être simple et très peu coûteux, ce qui intéresse notamment les applications Web ; Hyperbase (standalone et Web) continue ainsi d’utiliser ce test et le propose systématiquement comme alternative à la distribution hypergéométrique. Si Brunet (2011, chapitre 4) concède que la distribution hypergéométrique offre une meilleure approximation, il recommande par ailleurs l’utilisation de la loi normale lorsqu’on dispose de corpus de grande taille.
• [13]
  C’est-à-dire que l’on ne remet pas dans l’urne ce qui a été tiré.
• [14]
  On appelle ce nombre un gogol, terme qui a d’ailleurs inspiré les créateurs du moteur de recherche Google.
• [15]
  Et donc que l’hypothèse nulle est vraie, c’est-à-dire que la distribution des données est bien due au hasard.
• [16]
  < http://www.lexically.net/wordsmith/>
• [17]
  < http://www.laurenceanthony.net/software.html/>
• [18]
  < http://www.athel.com/mono.html/>
• [19]
  < http://xaira.sourceforge.net/>
• [20]
  < http://www.sketchengine.co.uk/>
• [21]
  Si cette visualisation a du sens, c’est-à-dire si l’ordre des textes dans le corpus a lui-même du sens, notamment dans le cas d’un corpus chronologiquement organisé.
• [22]
  Pour les segments de longueur 4, nous ne rendons compte que des SR >9 occ.