Module NooJ polylectal pour la langue rromani : élaboration d'un outil informatique et approche diasystémique

NooJ polylectal module for Rromani: module development and diasystemic study

• Auteur / Autrice : Masako Watabe
• Direction : Max Silberztein, Gheorghe Sarău
• Type : Projet de thèse
• Discipline(s) : Sciences du langage
• Date : Inscription en doctorat le 24/11/2022
• Etablissement(s) : Besançon, Université Marie et Louis Pasteur
• Ecole(s) doctorale(s) : École doctorale Lettres, Communication, Langues, Arts (Dijon ; Besançon ; 2017-....)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherches Interdisciplinaires et Transculturelles
• Partenaire(s) de recherche : Equipe de recherche : TRAITEMENT AUTOMATIQUE DES LANGUES
• Partenaire(s) de recherche : établissement de préparation : Université de Franche-Comté (1971-....)

Mots clés

Mots clés libres

Diasystème

NooJ

Langue rromani

Morphosyntaxe

TAL (Traitement Automatique des Langues)

Diasystem

NooJ

Rromani language

Morphosyntax

Automatic Language Processing

Résumé

Cette thèse vise à perfectionner le module NooJ portant sur la langue rromani. Ce module présente la particularité innovatrice d'être polylectal et donc d'inclure les quatre dialectes de cette langue à travers une approche diasystémique. Cette division en quatre dialectes est définie par deux types d'isoglosses non aréales croisées : d'une part, l'opposition « o/e » qui dans une terminaison verbale (1SG.PST.IND), associée à plusieurs autres traits formant un faisceau d'isoglosses, et d'autre part, une mutation phonologique touchant deux affriquées palato-alvéolaires bien définies. Au-delà de cette double dichotomie, certains phénomènes peuvent être communs aux deux ensembles séparés par chacune des isoglosses. Le diasystème de la langue rromani comprend une structure polynomique, dans la mesure où les dialectes sont légitimés comme normes diamésiques sur le plan sociolinguistique. L'objectif de cette thèse est de reconstituer à l'aide de l'informatique le diasystème de la langue rromani, non seulement au niveau lexical, mais aussi morphologique et syntaxique. Pour commencer, un outil d'extraction sera élaboré afin d'intégrer le fichier d'un dictionnaire existant dans le système NooJ, à savoir un logiciel de nature linguistique à double fonctions : lexicale et grammaticale (morphosyntaxique). Les règles grammaticales programmées dans NooJ seront appliquées automatiquement aux entrées d'un dictionnaire NooJ permettant d'annoter et d'analyser les textes dans diverses variétés dialectales. Nous définirons la catégorisation des étiquettes morphologiques afin que le système s'adapte de manière optimale à la grammaire du rromani, ce qui permettra de programmer la morphologie flexionnelle. Par la suite, nous enrichirons la morphologie dérivationnelle et la syntaxe dans le module NooJ pour la langue rromani. L'exploitation des données informatisées d'un dictionnaire existant nous permet d'ores et déjà de modéliser les types de dérivation. Parallèlement, nous développerons la syntaxe qui est indispensable pour annoter les textes plus correctement. Enfin, lors du perfectionnement du module NooJ au rromani, nous l'appliquerons dans les textes de divers dialectes afin d'examiner la cohérence (informatique et grammaticale) de l'ensemble du système. À l'aide des corpus de différents dialectes et de divers parlers, nous analyserons le système des diasynonymes lexicaux et grammaticaux (en termes à la fois de cognats et de synonymes) et enrichirons la diversité dialectale dans le système NooJ. Inversement, cette « diversité » dialectale pourra illustrer le diasystème de la langue rromani. Ce module NooJ pour la langue rromani fournira des ressources linguistiques importantes afin de développer d'autres outils informatiques pour la langue rromani, mais aussi, potentiellement, pour d'autres langues peu dotées, ce qui est un grand enjeu actuellement pour la linguistique générale et appliquée. A cette fin de moyen et long terme, nous testerons l'efficacité de NooJ dans divers domaines : élaboration de tableaux grammaticaux automatisés, annotation de textes, préparation d'exercices didactiques, épreuve d'un pilote de correcteur orthographique. Toutes ces opérations seront applicables à d'autres langues peu dotées, pour les générations successives d'utilisateurs de ce logiciel, qui revêt une importance stratégique pour la description, la valorisation et la didactisation des langues du monde, au-delà du seul rromani.

This thesis aims at perfecting the NooJ module for Rromani as the continuity of research in master. This module presents the innovative characteristic of being polylectal and thus to include the four dialects of this language through a diasystemic approach. This division into four dialects is defined by two types of non-areal isoglosses crossed: on the one hand, the opposition 'o / e' which in a verbal ending (1SG.PST.IND), associated with several other features forming a bundle of isoglosses, and on the other hand, a phonological mutation affecting two well-defined palato-alveolar affricates. Beyond this double dichotomy, certain phenomena may be common to the two sets separated by each of the isoglosses. The diasystem of the Rromani language includes a polynomial structure, since dialects are legitimized as diamesic norms on the sociolinguistic level. The aim of this thesis is to reconstitute the Rromani diasystem using a computational tool, not only at the lexical level, but also morphological and syntactic level. First, an extraction tool will be developed to integrate the file of an existing dictionary in the NooJ system, namely a linguistic software with dual functions: lexical and grammatical (morphosyntactic). The grammar rules programmed in NooJ will be applied automatically to the entries of a NooJ dictionary allowing to annotate and analyze the texts in various dialectal varieties. We will define the categorization of the morphological tags so that the system adapts optimally to the Rromani grammar, which will make it possible to program the inflectional morphology. Then, we will enrich derivational morphology and syntax in the module. The exploitation of the computerized data of an existing dictionary allows us already to model the derivation types. In parallel, we will develop the syntax that is essential to annotate the texts more correctly. Finally, during the development of the module, we will apply it in the texts of various dialects to examine the coherence (computational and grammatical) of the whole system. Using corpora from different dialects and various vernaculars, we will analyze the system of lexical and grammatical diasynonyms (in terms of both cognates and synonyms) and enrich the dialectal diversity in the NooJ system. Conversely, this dialectal 'diversity' can illustrate the diasystem of the Rromani language. This NooJ module for Rromani will provide important linguistic resources to develop other computer tools for the Rromani language, but also, potentially, for other poorly endowed languages in the IT field, which is a big issue now for general and applied linguistics. To this end in the medium and long term, we will test the effectiveness of NooJ in various fields: development of automated grammatical tables, annotation of texts, preparation of didactic exercises, and test of a spell checker pilot. All these operations will be applicable to other languages with few computer resources, for successive generations of users of this software, which is of strategic importance for the description, valorization and didactization of the languages of the world, beyond the only Rromani.