Wiktionary as a Crowdsourced Lexicon for English Dialects

La langue n'est pas un bloc unique et solide ; c'est un paysage vivant qui change et évolue selon l'endroit où l'on se trouve. Un mot qui signifie une chose à Londres peut signifier quelque chose de totalement différent à Auckland, ou peut ne pas exister du tout à Mumbai. Depuis des décennies, les personnes qui cartographient ces territoires linguistiques s'appuient sur des dictionnaires traditionnels, des livres compilés par des équipes d'experts qui passent des années à décider quels mots sont assez importants pour être inclus. Mais le monde de la langue évolue plus vite que n'importe quelle équipe de rédacteurs ne peut le suivre, en particulier pour les nombreuses variétés d'anglais parlées à travers le monde. À mesure que les ordinateurs et l'intelligence artificielle deviennent plus courants, il devient nécessaire de leur apprendre à comprendre ces différences locales. Si un ordinateur ne peut pas faire la différence entre une expression néo-zélandaise et une américaine, il échouera à comprendre les personnes qui l'utilisent. Cela crée un problème d'équité pour la technologie, car les systèmes construits uniquement sur l'anglais standard ont souvent du mal avec les manières riches et diverses dont les gens parlent réellement.

Pour résoudre ce problème, les chercheurs cherchent de nouvelles façons de recueillir des données linguistiques qui soient à la fois vastes et à jour. Une source prometteuse est Wiktionary, un dictionnaire en ligne gratuit que n'importe qui peut modifier. Contraなる aux livres traditionnels, qui sont écrits par un petit groupe d'experts rémunérés, Wiktionary est un projet participatif où des bénévoles du monde entier ajoutent des entrées, des définitions et des exemples. La question posée par les chercheurs était simple mais difficile : ce dictionnaire ouvert, construit par la communauté, peut-il servir de carte fiable pour les nombreux dialectes de l'anglais ? Plus précisément, ils voulaient savoir si Wiktionary couvre les mots régionaux aussi bien que le célèbre Oxford English Dictionary, et si les mots trouvés là-bas apparaissent réellement dans les conversations réelles sur les réseaux sociaux.

Les chercheurs ont commencé par comparer le contenu de Wiktionary à celui de l'Oxford English Dictionary pour douze variétés nationales d'anglais différentes, allant des variétés bien connues de l'anglais britannique et américain aux variétés de l'Inde, du Kenya et des Philippines. Ils ont constaté que, bien que le dictionnaire traditionnel conserve un léger avantage en termes de taille pour l'anglais américain et britannique standard, Wiktionary couvre en réalité plus de terrain pour de nombreuses autres régions. Pour des variétés comme l'anglais canadien, irlandais et australien, Wiktionary contenait nettement plus d'entrées que le dictionnaire traditionnel. La différence était encore plus frappante pour l'anglais parlé dans des pays situés en dehors du « cercle intérieur » traditionnel des nations anglophones. Alors que le dictionnaire traditionnel ne possédait aucune entrée pour l'anglais kenyan ou pakistanais, Wiktionary en comptait des centaines pour ces variétés. Cela suggère que le modèle communautaire est remarquablement efficace pour capturer les mots que les éditeurs professionnels pourraient négliger ou ne pas encore avoir le temps d'inclure.

Pour tester si ces mots étaient réellement utilisés dans le monde réel, l'équipe s'est tournée vers les réseaux sociaux. Ils ont examiné des millions de publications et de commentaires provenant de communautés spécifiques à certains pays sur Reddit, un forum en ligne populaire. Ils ont traité ces communautés numériques comme un substitut de localisation géographique, supposant que les personnes publiant dans une communauté néo-zélandaise utilisaient probablement l'anglais de Nouvelle-Zélande. Ils ont ensuite vérifié si les mots répertoriés dans Wiktionary pour chaque pays apparaissaient fréquemment dans la communauté en ligne correspondante. Les résultats ont montré une forte connexion. En examinant les publications principales que les gens rédigeaient, les mots trouvés dans Wiktionary apparaissaient exactement là où on les attendait. Par exemple, les mots spécifiques à la Nouvelle-Zélande apparaissaient le plus souvent dans la communauté néo-zélandaise, et les mots pour l'Inde apparaissaient le plus souvent dans la communauté indienne. Cet alignement suggère que Wiktionary n'est pas seulement une liste de mots, mais un reflet de la manière dont les gens parlent réellement dans leur vie numérique quotidienne.

Cependant, l'étude a également révélé que le type de texte importe énormément. Le lien entre le dictionnaire et les données des réseaux sociaux était très fort lorsqu'on examinait les publications principales, mais il devenait beaucoup plus faible lorsqu'on regardait les commentaires laissés en réponse. Dans les sections de commentaires, le langage est plus conversationnel et souvent mélangé à des mots d'autres langues. Par exemple, dans la communauté de Nouvelle-Zélande, certains mots qui ressemblaient à l'anglais de Nouvelle-Zélande se sont avérés être des mots courants en tagalog, la langue des Philippines, car les deux langues partagent certaines orthographes similaires. Cela a mis en évidence un défi : bien que le dictionnaire soit utile, la façon dont les gens utilisent la langue dans des conversations interactives et rapides peut être désordonnée et influencée par de nombreux facteurs. Les chercheurs ont constaté que le dictionnaire fonctionnait mieux lorsque le texte était plus formel ou structuré, comme une publication principale, plutôt que dans l'échange rapide des fils de commentaires.

L'étude a également examiné de près la formation des mots. Ils ont comparé les types de nouveaux mots trouvés dans Wiktionary pour l'anglais de Nouvelle-Zélande par rapport au dictionnaire traditionnel. Ils ont trouvé un niveau d'accord très élevé dans les modèles utilisés pour créer ces mots, comme la combinaison de deux mots ou la modification légère du sens d'un mot. Cela suggère que, même si Wiktionary est écrit par des bénévoles, la manière dont ils construisent les entrées suit les mêmes règles logiques que les linguistes professionnels. Les chercheurs ont noté que Wiktionary était particulièrement bon pour inclure des expressions et des idiotismes — des groupes de mots qui ont ensemble une signification spécifique — qui sont souvent absents des dictionnaires traditionnels. Cela rend cette ressource participative particulièrement précieuse pour comprendre le côté coloré et expressif du langage que les livres formels laissent parfois de côté.

En fin de compte, l'article conclut que Wiktionary est un outil puissant et viable pour comprendre les dialectes de l'anglais, en particulier pour les régions qui ont été historiquement sous-représentées dans la technologie du langage. Il ne remplace pas le besoin de dictionnaires professionnels, mais il les complète en offrant une vision plus rapide, plus inclusive et plus actuelle de l'évolution de la langue. Les chercheurs avertissent que l'utilisation de ces données nécessite de la prudence, en particulier lorsqu'il s'agit de conversations en ligne où les langues peuvent se mélanger ou lorsque le contexte de la conversation change le sens d'un mot. Mais pour l'objectif de construire des outils linguistiques équitables et précis qui fonctionnent pour tout le monde, et pas seulement pour la majorité, ce dictionnaire ouvert et communautaire offre une pièce cruciale du puzzle. Il montre que lorsque les gens se rassemblent pour documenter leur propre langue, ils créent une ressource qui est à la fois profondément précise et remarquablement vaste.