En espagnol, les travaux sur la langue académique se concentrent sur la cohérence, l’organisation textuelle et les genres académiques (Montolío 2007, Sanz 2007, Regueiro & Sáez 2013, Ballano & Muñoz 2015). Cependant, les recherches sur le lexique de l’espagnol académique restent rares, contrairement au français et l’anglais (McCarthy & Dell 2008, Ackerman & Chen 2013, Simpson-Vlach & Ellis 2010, Pecman 2004, Tutin & Grossmann 2014, Jacques & Tutin 2018). Un facteur clé pour maîtriser le discours académique réside dans l’emploi de combinaisons lexicales académiques (CLA), des segments récurrents de mots, compositionnels ou non, qui remplissent des fonctions discursives comme exemplifier, conclure, faire des renvois, etc. Toutes ces fonctions sont particulièrement exploitées dans le discours académique. Les CLA comprennent des collocations («formular una hipótesis» ‘formuler une hypothèse’), des locutions («por otra parte» ‘d’autre part’), ainsi que des formulèmes («dicho de otra manera» ‘autrement dit’), tels qu’ils sont compris dans la Théorie Sens-Texte (Mel’čuk 2012, 2015). L’objectif de notre recherche est de créer un outil d’aide aux étudiants universitaires, des écrivains novices dans le discours académique.

Nous commencerons par décrire la typologie des CLA que nous avons choisie, en nous concentrant sur le statut lexical des formulèmes. Puis, nous aborderons les aspects méthodologiques. Nous avons travaillé avec un corpus d’articles de quatre grands domaines scientifiques d’environ 2 millions de mots. Nous avons aussi compilé un corpus de textes d’étudiants (mémoires de licence et de master), que nous appelons le corpus de novices par contraste avec le corpus expert précédent. À partir de ces corpus, nous avons employé différentes techniques pour l’extraction de formules, d’une part, et des collocations, d’autre part. Dans les deux cas, il a été nécessaire de faire un tri manuel. Une fois décrite la methodologie employée, nous présenterons l’architecture de l’outil d’aide à la rédaction de textes académiques (HARTA). La ressource se situe dans les courants de la lexicographie où le dictionnaire et le corpus sont fusionnés (Asmussen 2013, Paquot 2012), mais nous réflechirons sur la tendance actuelle à intégrer totalement les aides de rédaction dans le document comme le fait Frankenberg et al. (2018). Finalement, nous montrerons les principaux résultats et nos travaux en cours avec des techniques de sémantique distributionelle pour arriver à identifier automatiquement certaines CLA.

Enregistrement: https://drive.google.com/file/d/1D6enn6PjwQv7Kv_C78tHdB_oeX985vI1/view?usp=sharing