Conversation

Notices

1. Embed this notice
   Florent Moncomble (f_moncomble@mastodon.online)'s status on Saturday, 14-Sep-2024 21:25:21 JST Florent Moncomble

   « On apprend 1000 mots par million de mots » : pourquoi, présentée comme ça, cette stat ne veut rien dire (et est donc trompeuse).
   🧵🔽

   • Embed this notice
     Florent Moncomble (f_moncomble@mastodon.online)'s status on Saturday, 14-Sep-2024 21:25:20 JST Florent Moncomble

     in reply to

     Ainsi « J’aime mieux le vélo bleu que le vélo rouge » comporte 10 tokens, mais 8 mots, puisqu’on trouve 2 fois les formes « le » et « vélo ».
     Quant au « lemme », c’est la forme de base d’un mot donné. Ainsi, « vais », « ira » et « allez » sont trois formes du lemme « aller ».
     Du coup, on ne sait pas bien ce que veut dire M. Desmurget, mais ce qui est sûr, c’est qu’il parle d’1 million de tokens, pas de mots, parmi lesquels on apprend 1000 mots, ou plus probablement lemmes.

     Haelwenn /элвэн/ :triskell: likes this.
   • Embed this notice
     Florent Moncomble (f_moncomble@mastodon.online)'s status on Saturday, 14-Sep-2024 21:25:21 JST Florent Moncomble

     in reply to

     D'abord, dans cette phrase, « mot » est utilisé dans 2 sens bien différents, que Desmurget se garde bien de distinguer pour ménager son petit effet : en linguistique, on parle de « mot » (mais aussi de « lemme ») et de « token ».
     Les « mots » d’un texte sont les formes différentes qu’on y trouve, à différencier des « tokens » qui représentent la totalité des formes présentes, même répétées.

   • Embed this notice
     Florent Moncomble (f_moncomble@mastodon.online)'s status on Saturday, 14-Sep-2024 21:25:29 JST Florent Moncomble

     in reply to

     Ensuite, à un niveau beaucoup plus élémentaire, bah… le nombre de mots qu’on apprend dans un livre dépend vachement du nombre de mots qu’on connaissait déjà avant de l’ouvrir 🤷♂️

     Haelwenn /элвэн/ :triskell: likes this.
   • Embed this notice
     Florent Moncomble (f_moncomble@mastodon.online)'s status on Saturday, 14-Sep-2024 21:26:12 JST Florent Moncomble

     in reply to

     M. Desmurget est un adepte patenté de l’ultracrépidarianisme linguistique : soit il n’y connait vraiment rien, soit il s’assoit sur ce qu’il sait pour mieux vendre son fonds de commerce idéologique…
     https://threadreaderapp.com/thread/1711353960395603988.html

   • Embed this notice
     Florent Moncomble (f_moncomble@mastodon.online)'s status on Saturday, 14-Sep-2024 21:26:12 JST Florent Moncomble

     in reply to

     • Linguistes atterrées

     … qui n’est pas sans rappeler celui d’un Alain Bentolila, patiemment déboulonné par Michel Launey dans 2 billets de blog de @tract_linguistes :
     https://www.tract-linguistes.org/notes-sur-louvrage-dalain-bentolila-controverses-sur-la-langue-francaise-2024-premiere-partie/

   • Embed this notice
     Florent Moncomble (f_moncomble@mastodon.online)'s status on Saturday, 14-Sep-2024 21:26:12 JST Florent Moncomble

     in reply to

     Ah et puis tiens, puisque Desmurget prend l'exemple de Harry Potter : il se trouve que j'ai il y a quelques années mis Harry Potter en corpus, du coup j'ai les données.

     Harry Potter, c'est exactement 1.421.581 tokens (c'est presque 1,5 fois ce qu'il dit), par contre c'est 28.924 mots (on dit aussi « types ») et 19.362 lemmes.

     Ratio beaucoup moins sexy pour la télé… 🤷♂️

     Haelwenn /элвэн/ :triskell: likes this.