Catégorisation « pragmasémantique » des termes pour une représentation des connaissances sur le changement climatique *********************************************** Constitution et description des arborescences *********************************************** Les arborescences représentent les termes les plus mobilisés (voir ci-dessous pour les seuils définis pour la sélection des termes) par différentes communautés dans leurs discours portant sur le changement climatique. Parce que les termes indexent des connaissances spécialisées, elles permettent d’avoir un aperçu du type de connaissances qui définissent et structurent le domaine du changement climatique d'origine anthropique (CCA). En raison du caractère peu prototypique de ce dernier, marqué notamment par une forte transdisciplinarité, nous adoptons une approche à la fois inductive et déductive pour la catégorisation des unités relevant de sa terminologie. Cette perspective nous permet de proposer une catégorisation adaptée au domaine du CCA, plutôt que de partir de catégories sémantiques pré-établies (telles que celles par exemple proposées par le système d’analyse sémantique UCREL (USAS) (Rayson et al. 2004)). Nous renvoyons nos lecteurs à notre thèse (Chap. 5, pages 138-141) pour un descriptif de la méthodologie utilisée pour la catégorisation des termes. Les différents "Arbres conceptuels" de ce dossier représente les catégories résultant de ce processus de catégorisation, mené sur les termes relevant des couches terminologiques 1 et 2 (Bureau 2023, en préparation) . Nous y incluons les différents variants dénominatifs d’un même concept, à condition que les variants en question soient au-dessus de ce même seuil de fréquence. En ce sens, ces arbres sont constitués de termes plutôt que de concepts, tout en permettant, par l’intermédiaire des catégories identifiées, une perspective conceptuelle sur le domaine. Cette approche est motivée par le fait que représenter uniquement des concepts aurait nécessité de choisir la dénomination devant matérialiser chacun des concepts en question, choix qui aurait nécessairement eu une dimension subjective ou arbitraire. ***************************** Spécificités Arbre "Experts" ***************************** Les termes représentés dans cet arbre totalisent tous une fréquence d'occurrence d'au moins 30 dans l'ensemble du corpus formé par la fusion des corpus UN et ONG. Cet arbre vise à représenter la terminologie mobilisée par l'expertise climatique" au sens large. ****************************** Spécificités Arbre "ONGvs.OIG" ****************************** Les termes représentés dans les bulles bleues dans cet arbre ont tous une Fréquence Inverse Document (IDF) (« Inverse Document Frequency » en anglais) positive (celle-ci est exprimée en pourcentage) et un score de spécificité supérieur à 3,09 dans le corpus ONG, tandis que ceux classés dans les bulles vertes ou sans fond de couleur remplissent respectivement ces critères dans le corpus OIG uniquement ou dans les deux corpus. La liste des termes en question correspond au fichier « TGCC ONG/ OIG » (dossier « Terminologie Experte ») sur cet entrepôt, où les colonnes « scoreIDFxspé_OIG » et « scoreIDFxspé_ONG » correspondent au produit des scores IDF et de spécificité (exprimés en pourcentage) dans les corpus OIG et ONG respectivement. Cet arbre vise ainsi à comparer la terminologie mobilisées par les institutions onusiennes et par les ONG, et à rendre compte des termes qu'elles partagent. ****************************** Spécificités Arbres "Presse" ****************************** Les termes représentés dans les arbres "Presse_COP15", "Presse_COP21" et "Presse_COPs25/26" totalisent tous une fréquence relative d'occurrence d'au moins 15 dans les corpus "Presse_COP15", "Presse_COP21" et "Presse_COPs25/26" respectivement. Ces arbres visent à représenter la diffusion des connaissances expertes vers la presse entre les COPs 15, 21 et 25/ 26, ainsi que les termes spécifiques à la presse (classés dans les bulles oranges). ************* Références ************* Bowker, Lynne. 1993. ‘Multidimensional Classification of Concepts for Terminological Purposes’. 4th ASIS SIG/CR Classification Research Workshop, 39–56. DOI: https://doi.org/10.7152/acro.v4i1.12610. Bowker, Lynne. 2022. ‘Chapter 6. Multidimensionality’. In Faber, Pamela & Marie-Claude L’Homme (eds). Theoretical Perspectives on Terminology: Explaining Terms, Concepts and Specialized Knowledge. Terminology and Lexicography Research and Practice. Amsterdam: John Benjamins Publishing Company, 353–76. DOI: https://doi.org/10.1075/tlrp.23.06bow. Bureau, Pauline. 2023. " Variation terminologique et néologie dans le domaine du changement climatique ". Thèse de doctorat en Etudes anglophones, Université Grenoble Alpes. (en préparation) Faber, Pamela. 2022. ‘Chapter 16. Frame-Based Terminology’. In Faber, Pamela & Marie-Claude L’Homme (eds). Theoretical Perspectives on Terminology: Explaining Terms, Concepts and Specialized Knowledge. Terminology and Lexicography Research and Practice. Amsterdam: John Benjamins Publishing Company, 353–76. DOI: https://doi.org/10.1075/tlrp.23.16fab. Rayson, Paul, Dawn Archer, Scott Piao, and Tony Mcenery. 2004. ‘The UCREL Semantic Analysis System’. Proceedings of LREC-04 Workshop: Beyond Named Entity Recognition Semantic Labeling for NLP Tasks, 7–12. Lisbon, Portugal.