Écrits scientifiques français

English version

Pour étudier les points linguistiques que nous souhaitions explorer, le raisonnement et le positionnement de l’auteur, nous avons constitué pour le français un corpus d’écrits scientifiques diversifié, aussi bien en ce qui concerne le sous-genre (articles scientifiques, communications écrites, thèses ou mémoires d’habilitation à diriger des recherches) que les disciplines. Nous avons sélectionné des disciplines qui nous paraissaient représentatives et pour lesquelles les écrits étaient facilement disponibles.

Trois familles de disciplines sont incluses : les sciences humaines (linguistique, psychologie, sciences de l’éducation et traitement automatique des langues), les sciences expérimentales (biologie, médecine) et les sciences appliquées ou sciences pour l’ingénieur (électronique, mécanique). Les sous-genres sélectionnés intègrent des articles de recherche, des communications écrites à des colloques, des thèses de doctorat et des mémoires d’habilitation à diriger les recherches . Le corpus public comporte 4,8 millions de mots.

CONSULTER CE CORPUS (Firefox 2+ conseillé, Chrome et Internet Explorer utilisables).

Ce corpus est disponible pour une utilisation destinée exclusivement à la recherche non commerciale, sous licence Creative Commons, à condition de mentionner la source et le projet ANR, après signature d’une convention.

Format : XML – TEI

Codage des caractères : UTF-8