Читать книгу La prononciation du français langue étrangère - Группа авторов - Страница 33

Collecte de données. Pour vérifier notre hypothèse, nous avons analysé un petit corpus de données lues par deux groupes d’apprenant.e.s du FLE :

 8 apprenant.e.s allemand.e.s monolingues (dont 4 locuteurs masculins ; groupe M)

 6 apprenant.e.s bilingues allemand-turc (dont 3 locuteurs masculins ; groupe B).

Tous les participant.e.s sont né.e.s en Allemagne. Parmi le groupe B, quatre personnes avaient au moins un parent né en Allemagne ; il s’agit donc d’immigré.e.s de seconde ou troisième génération qui parlent le turc en tant que langue d’origine. Au moment des enregistrements, tous les participant.e.s de notre échantillon fréquentaient le Gymnasium1 en Allemagne, étaient âgés de 15 à 17 ans et en étaient à leur troisième année d’études en FLE. Le groupe de contrôle monolingue français (F-L1) était composé de trois locutrices originaires du nord de la France (âgées de 21 à 23 ans). Au moment de la collecte des données, elles étaient étudiantes en échange à l’université de Mayence (Allemagne). Elles avaient suivi des cours d’anglais pendant huit ans à l’école, mais n’avaient pas de connaissances avancées d’autres langues étrangères. Leur maîtrise de l’allemand étant très faible, les instructions pendant la session d’enregistrement ont été données en français.

Les données des deux groupes d’apprenant.e.s ont été recueillies en Allemagne du Nord en 2016 dans le cadre du projet MEZ (Mehrsprachigkeitsentwicklung im Zeitverlauf ‘Une perspective longitudinale sur le développement multilingue’ ; cf. www.mez.uni-hamburg.de et Brandt et al. 2017) ; les données de contrôle françaises (F-L1) ont été enregistrées en 2018 à l’université de Mayence. Les participant.e.s ont lu à haute voix un récit bref, tiré d’un manuel scolaire : « Amandine fait du sport » (147 mots ; cf. Jouvet 2006). Les enregistrements ont été transcrits sur les niveaux orthographique et segmental en utilisant les logiciels EasyAlign (Goldman 2011) et Praat (Boersma/Weenink 2018). Les erreurs commises par l’outil de segmentation automatique ont été corrigées manuellement. Après avoir écarté tout passage caractérisé par de fortes disfluences verbales, le corpus à analyser consistait en 5 phrases par participant.e se prêtant à des analyses plus approfondies.

Analyse des données. Pour l’analyse intonative, nous nous sommes servis du logiciel ANALOR (Avanzi et al. 2008a ; Avanzi et al. 2008b ; Delais-Roussarie/Feldhausen 2014 ; Martin 2015 : 41–43), qui attribue à chaque syllabe des valeurs de proéminence comprises entre 0 (« non proéminent ») et 10 (« proéminence la plus élevée possible ») en fonction des paramètres considérés comme pertinents pour le marquage de proéminences en français : notamment, (1) la durée relative des syllabes, (2) la moyenne de F0 relative, (3) l’amplitude du contour F0 et (4) la présence ou absence de pauses silencieuses adjacentes. Plus la valeur de proéminence attribuée par ANALOR à une syllabe finale d’un mot est élevée, plus forte est considérée la frontière de la phrase respective. Sur la base des valeurs assignées à chaque syllabe par ANALOR, nous avons déterminé des scores de déviation pour chaque apprenant en soustrayant celles-ci de la valeur moyenne atteinte par le groupe de contrôle français (F-L1). Ensuite, nous avons calculé la moyenne de ces écarts pour obtenir un score de déviation par chaque phrase et chaque participant.e. Plus le score de déviation obtenu par un.e apprenant.e était faible, plus son intonation était proche de la cible native.