Administrator
This teaching view is for the instructor. Enter the administrator password.
Wrong password · Mot de passe incorrect
Key pointsL'essentiel
Working with Sketch EngineTravailler avec Sketch Engine
A corpus comes from one of two places: the collection Sketch Engine has already prepared, in more than 100 languages, or the web, gathered from your own keywords.
Un corpus vient de deux endroits : la collection déjà préparée par Sketch Engine, dans plus de 100 langues, ou le web, à partir de vos propres mots-clés.
Key pointsL'essentiel
Working with Sketch EngineTravailler avec Sketch Engine
Three functions cover most of the work: the word list (frequencies), the (a word in context) and the Word Sketch (a word's profile).
Trois fonctions couvrent l'essentiel : la liste de mots (fréquences), la (le mot en contexte) et le Word Sketch (le profil de s d'un mot).
concordance · fr: concordance concordance · en : concordance corpora corpus : A display of all occurrences of a word or expression in a corpus, each shown with its surrounding context, typically one occurrence per line with the search word aligned in the middle (the key word in context, or KWIC, format). Affichage de toutes les occurrences d'un mot ou d'une expression dans un corpus, chacune accompagnée de son contexte immédiat, généralement une occurrence par ligne avec le mot cherché aligné au centre (format KWIC, mot-clé en contexte).
collocation · fr: collocation collocation · en : collocation corpora corpus : A combination of words that co-occur more often than chance would predict and form a habitual, semi-fixed pairing, such as heavy rain or commit a crime (rather than strong rain or do a crime). Combinaison de mots qui apparaissent ensemble plus souvent que le hasard ne le laisserait prévoir et qui forment une association habituelle, semi-figée, comme soleil de plomb ou commettre un crime (plutôt que faire un crime).
Key pointsL'essentiel
Working with Sketch EngineTravailler avec Sketch Engine
Absolute frequencies do not compare across corpora: comparing needs relative frequencies, per million words.
Les fréquences absolues ne se comparent pas d'un corpus à l'autre : pour comparer, il faut des fréquences relatives, par million de mots.
Page 1Page 1
Getting started with Sketch EngineDécouvrir Sketch Engine
- Sketch Engine builds, manages and analyzes corpora in more than 100 languages, in the browser, with nothing to install.
- It is used here because my students, and those in many other language departments, have institutional access: the Université de Montréal subscribes on their behalf.
- It is not the only option. AntConc (Anthony, 2026) is free, runs on your own machine, and does the same core analyses on your own files.
- Sketch Engine crée, gère et analyse des corpus dans plus de 100 langues, dans le navigateur, sans rien installer.
- Il sert ici parce que mes étudiantes et étudiants, comme ceux de bien d'autres départements de langues, y ont accès par leur établissement : l'Université de Montréal y est abonnée pour eux.
- Ce n'est pas la seule option. AntConc (Anthony, 2026) est gratuit, s'installe sur votre machine et fait les mêmes analyses de base sur vos propres fichiers.
Page 1Page 1
Page 1Page 1
Page 1Page 1
Page 1Page 1
Page 2Page 2
Exploring the existing corporaExplorer les corpus existants
- Sketch Engine gives access to a collection of prepared corpora in more than 100 languages: web, spoken language, parallel, specialized, diachronic.
- These corpora already carry linguistic annotation (, ); how rich it is depends on the language.
- Sketch Engine donne accès à une collection de corpus préparés dans plus de 100 langues : web, langue parlée, parallèles, spécialisés, diachroniques.
- Ces corpus sont déjà enrichis (, ) ; la richesse des annotations dépend de la langue.
part-of-speech tagging (POS tagging) · fr: étiquetage morphosyntaxique étiquetage morphosyntaxique · en : part-of-speech tagging NLP TAL : The task of taking a sequence of tokenized words and a tagset, and assigning to each word one tag naming its grammatical class, such as noun or verb. Tâche qui consiste à prendre une suite de mots segmentés et un jeu d'étiquettes, puis à attribuer à chaque mot une étiquette nommant sa classe grammaticale, par exemple nom ou verbe.
lemma · fr: lemme lemme · en : lemma linguistics linguistique : The base or dictionary form under which the inflected forms of a word are grouped: go, goes, went and gone share the lemma go. Forme de base, ou forme de dictionnaire, sous laquelle sont regroupées les formes fléchies d'un mot : va, allons, allait et allé partagent le lemme aller.
Page 2Page 2
Page 2Page 2
Page 2Page 2
Page 2Page 2
Page 3Page 3
Building a corpus from the webCréer un corpus à partir du web
- "NEW CORPUS" builds a corpus of your own, either from your own files or from texts found on the web by keyword.
- For the exercise, keep the default settings: name, language, "web search", your keywords, GO.
- Choose a subject you know well: you will judge far better whether the texts it finds are relevant.
- « NEW CORPUS » construit un corpus personnalisé : à partir de vos propres fichiers, ou de textes trouvés sur le web par mots-clés.
- Pour l'exercice, gardez les paramètres par défaut : nom, langue, « web search », vos mots-clés, GO.
- Choisissez un sujet que vous connaissez bien : vous jugerez mieux la pertinence des textes récoltés.
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 3Page 3
Page 4Page 4
Checking and tuning your web corpusVérifier et régler son corpus web
- "Corpus details and statistics" says what the search actually collected: sizes, frequencies, composition, sources.
- When the result is not what you wanted, four web search settings let you change it: the size-relevance slider, the allowlist, the denylist and the caps.
- "Manage corpus" then serves to download, extend, share or delete the corpus, and to create subcorpora.
- « Corpus details and statistics » décrit ce que la récolte a effectivement ramené : tailles, fréquences, composition, sources.
- Si le résultat ne correspond pas à ce que vous vouliez, ce sont les paramètres de la recherche web qui le règlent : le curseur taille-pertinence, l'allowlist, la denylist, les plafonds.
- « Manage corpus » sert ensuite à télécharger, élargir, partager ou supprimer le corpus, et à créer des sous-corpus.
Page 4Page 4
Page 4Page 4
Page 4Page 4
Page 4Page 4
Page 4Page 4
Page 4Page 4
Page 5Page 5
The practice corpusLe corpus des exercices
- The exercises of this chapter use a fixed corpus, Gutenberg French 2020, so that everyone gets the same answers.
- First skill: reading the statistics of a corpus, starting with the difference between "tokens" and "words".
- Les exercices du chapitre utilisent un corpus fixe, Gutenberg French 2020, pour que tout le monde obtienne les mêmes réponses.
- Première compétence : lire les statistiques d'un corpus, à commencer par la différence entre « tokens » et « words ».
Page 5Page 5
Page 5Page 5
Page 5Page 5
Page 6Page 6
Wordlist: frequency listsWordlist : les listes de fréquences
- Wordlist ranks the words of a corpus by frequency, with filtering by part of speech.
- The list can count forms or : two different questions, two different results.
- Advanced mode filters by pattern, minimum and maximum frequency, case, subcorpus.
- Wordlist classe les mots d'un corpus par fréquence, avec filtrage par catégorie grammaticale.
- La liste peut compter les formes ou les : deux questions différentes, deux résultats différents.
- Le mode avancé filtre par motif, fréquence minimale et maximale, casse, sous-corpus.
lemma · fr: lemme lemme · en : lemma linguistics linguistique : The base or dictionary form under which the inflected forms of a word are grouped: go, goes, went and gone share the lemma go. Forme de base, ou forme de dictionnaire, sous laquelle sont regroupées les formes fléchies d'un mot : va, allons, allait et allé partagent le lemme aller.
Page 6Page 6
Page 6Page 6
Page 6Page 6
Page 6Page 6
Page 6Page 6
Page 6Page 6
Page 6Page 6
Page 7Page 7
Absolute and relative frequenciesFréquences absolues et relatives
- Absolute frequency counts occurrences; it depends on the size of the corpus and does not compare from one corpus to another.
- Relative frequency normalizes it, usually per million words: that is the one that allows comparison.
- Sketch Engine shows both: "Frequency" and "per million".
- La fréquence absolue compte les occurrences ; elle dépend de la taille du corpus et ne se compare pas d'un corpus à l'autre.
- La fréquence relative la normalise, d'habitude par million de mots : c'est elle qui permet de comparer.
- Sketch Engine affiche les deux : « Frequency » et « per million ».
Page 7Page 7
Page 8Page 8
ConcordancesLes concordances
- A shows every occurrence of a word with its immediate context (the KWIC format), so instead of counting how often a word appears you see how it is used.
- From a concordance, Sketch Engine also computes , good example sentences (GDEX) and the distribution of the word across the corpus.
- La affiche chaque occurrence d'un mot avec son contexte immédiat (format KWIC) : au lieu de compter combien de fois un mot apparaît, on voit comment il s'emploie.
- Depuis une concordance, Sketch Engine calcule aussi les , de bonnes phrases d'exemple (GDEX) et la distribution du mot dans le corpus.
concordance · fr: concordance concordance · en : concordance corpora corpus : A display of all occurrences of a word or expression in a corpus, each shown with its surrounding context, typically one occurrence per line with the search word aligned in the middle (the key word in context, or KWIC, format). Affichage de toutes les occurrences d'un mot ou d'une expression dans un corpus, chacune accompagnée de son contexte immédiat, généralement une occurrence par ligne avec le mot cherché aligné au centre (format KWIC, mot-clé en contexte).
collocation · fr: collocation collocation · en : collocation corpora corpus : A combination of words that co-occur more often than chance would predict and form a habitual, semi-fixed pairing, such as heavy rain or commit a crime (rather than strong rain or do a crime). Combinaison de mots qui apparaissent ensemble plus souvent que le hasard ne le laisserait prévoir et qui forment une association habituelle, semi-figée, comme soleil de plomb ou commettre un crime (plutôt que faire un crime).
Page 8Page 8
Page 8Page 8
Page 8Page 8
Page 8Page 8
Page 9Page 9
Word Sketch and Word Sketch DifferenceWord Sketch et Word Sketch Difference
- Word Sketch draws the profile of a word: its , grouped by grammatical relation.
- Word Sketch Difference compares two close words and shows the collocates specific to each.
- In translation, they help you choose between near-synonyms and find the collocations a target-language reader expects.
- Word Sketch dresse le portrait d'un mot : ses , regroupées par relation grammaticale.
- Word Sketch Difference compare deux mots proches et montre les collocatifs propres à chacun.
- En traduction, ils aident à choisir entre des quasi-synonymes et à trouver les collocations qu'attend un lecteur de la langue cible.
collocation · fr: collocation collocation · en : collocation corpora corpus : A combination of words that co-occur more often than chance would predict and form a habitual, semi-fixed pairing, such as heavy rain or commit a crime (rather than strong rain or do a crime). Combinaison de mots qui apparaissent ensemble plus souvent que le hasard ne le laisserait prévoir et qui forment une association habituelle, semi-figée, comme soleil de plomb ou commettre un crime (plutôt que faire un crime).
Page 9Page 9
Page 9Page 9
Page 9Page 9
Page 10Page 10
Going furtherPour aller plus loin
- You have used four functions: frequency lists, , collocations and Word Sketch.
- Three more are worth knowing about: , the keywords of a corpus, and structured queries in CQL.
- Vous avez utilisé quatre fonctions : listes de fréquences, , collocations et Word Sketch.
- Trois autres valent la peine d'être connues : les , les mots-clés d'un corpus et les requêtes structurées en CQL.
concordance · fr: concordance concordance · en : concordance corpora corpus : A display of all occurrences of a word or expression in a corpus, each shown with its surrounding context, typically one occurrence per line with the search word aligned in the middle (the key word in context, or KWIC, format). Affichage de toutes les occurrences d'un mot ou d'une expression dans un corpus, chacune accompagnée de son contexte immédiat, généralement une occurrence par ligne avec le mot cherché aligné au centre (format KWIC, mot-clé en contexte).
n-gram · fr: n-gramme n-gramme · en : n-gram corpora corpus : A sequence of n consecutive items from a text, usually words: bigrams (n = 2), trigrams (n = 3), and so on. Suite de n éléments consécutifs d'un texte, généralement des mots : bigrammes (n = 2), trigrammes (n = 3), etc.