Abstract
Cet article présente les résultats d'une étude sur corpus portant sur la valence
verbale dans le cadre théorique des grammaires de construction. Nous décrivons une des techniques statistiques développées dans une étude précédente pour identifier des constructions grammaticales en se basant sur le potentiel de ces constructions à augmenter la valence des verbes. Cette technique a été testée sur le corpus ICE-GB pour deux constructions de l'anglais décrites dans la littérature. Notre étude montre que l'usage des verbes ne permet pas d'identifier l'augmentation de valence avec fiabilité et révèle les préférences constructionnelles inattendues de certains verbes, qui remettent en question la validité de certains principes théoriques dans une approche du langage basée sur l'usage.
verbale dans le cadre théorique des grammaires de construction. Nous décrivons une des techniques statistiques développées dans une étude précédente pour identifier des constructions grammaticales en se basant sur le potentiel de ces constructions à augmenter la valence des verbes. Cette technique a été testée sur le corpus ICE-GB pour deux constructions de l'anglais décrites dans la littérature. Notre étude montre que l'usage des verbes ne permet pas d'identifier l'augmentation de valence avec fiabilité et révèle les préférences constructionnelles inattendues de certains verbes, qui remettent en question la validité de certains principes théoriques dans une approche du langage basée sur l'usage.
Translated title of the contribution | Identifying grammatical construction in corpora: a quantitative approach to verb valency increase |
---|---|
Original language | French |
Title of host publication | L'Exemple et le corpus: quel statut?, Travaux Linguistiques du CerLiCO 23 |
Editors | Paul Cappeau, Hélène Chuquet, Freiderikos Valetopoulos |
Place of Publication | Rennes, France |
Publisher | Presses Universitaires de Rennes |
Pages | 165-180 |
Number of pages | 16 |
ISBN (Print) | 978-2-7535-1113-2 |
Publication status | Published - 2010 |