Expliciter et inférer dans la conversation : modélisation de la séquence d’explicitation dans l’interaction - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2018

Making explicit and inferring in conversation : a model of explicitation sequence in interaction

Expliciter et inférer dans la conversation : modélisation de la séquence d’explicitation dans l’interaction

Résumé

This dissertation deals with the co-construction of meaning in interaction and the ways in which conversationalists exhibit their interpretative processes. The focus of this study is the process of explicitation, i.e. the process through which an informational content becomes explicit in conversation. By offering a multi-level analysis of conversational sequences engaged in this practice, the study approaches the co-construction of meaning from the point of view of informational transformation and inference.The analyses presented here have been conducted on a corpus of spoken French in interaction, within the setting of informal encounters between friends around a meal or a drink. The explicitation sequence is defined as a conversational pattern where an inference is being submitted for confirmation. Starting from a collection of these sequences, this study offers a twofold approach: that of conversation analysis, and that of modeling of the conversational sequence. The practice of making a content explicit is here being explored according to three analytical lines: (a) the sequential analysis, focusing on the deployment of the explicitation sequence and its components; (b) the analysis according to a device elaborated by means of modeling information management in these sequences; and (c) the analysis of the linguistic designs used when exhibiting the inference. One of themain challenges of the present study is that of a proposition of a conversationalist model, dealing with information management and its enforcement through analysis of talk in interaction.
Cette thèse porte sur la co-construction de la signification en interaction et les manifestations des processus interprétatifs des participants. En s’intéressant au processus d’explicitation, c’est-à-dire le processus par lequel un contenu informationnel devient explicite dans la conversation, elle propose une étude pluridimensionnelle de la séquence conversationnelle en jeu dans ce processus. La co-construction de la signification est ici abordée comme relevant d’une transformation informationnelle et de l’inférence.Nos analyses ont porté sur un corpus de français parlé en interaction, en contexte de repas et apéritifs entre amis. A partir d’une collection de séquences d’explicitation, définies comme des configurations dans lesquelles une inférence estsoumise à validation, ce travail propose une analyse multidimensionnelle, portant un double regard sur les données : celui de l’analyse conversationnelle et celui d’une modélisation de la pratique d’explicitation. Ainsi, nous proposons de parcourir cettepratique selon trois axes d’analyse : (a) une analyse séquentielle, s’intéressant au déploiement de la séquence d’explicitation et des éléments la composant, (b) une analyse reposant sur une modélisation de la gestion informationnelle dans cetteséquence, et (c) une analyse des formats linguistiques employés pour l’exhibition du processus inférentiel. Un des enjeux de ce travail l’élaboration d’un modèle conversationnaliste pour la gestion informationnelle et son application à l’analyse desdonnées de langue parlée en interaction.
Fichier principal
Vignette du fichier
these_internet_chernyshova_e.pdf (20.88 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02070720 , version 1 (18-03-2019)

Identifiants

  • HAL Id : tel-02070720 , version 1

Citer

Elizaveta Chernyshova. Expliciter et inférer dans la conversation : modélisation de la séquence d’explicitation dans l’interaction. Linguistique. Université de Lyon, 2018. Français. ⟨NNT : 2018LYSE2132⟩. ⟨tel-02070720⟩
529 Consultations
500 Téléchargements

Partager

Gmail Facebook X LinkedIn More