Corpus linguistique l’étude de la langue à l’aide d’exemples de la vie réelle. Ce n’est pas une branche de la linguistique mais une méthodologie ou une approche. Corpus, le mot latin pour «corps», fait référence à l’ensemble des textes naturels, et l’approche consiste à découvrir les modèles d’utilisation de la langue à travers l’analyse du corpus. La linguistique de corpus connaît un retour en force, car les programmes informatiques ont révolutionné l’approche.
Le journal parental du discours d’un enfant lorsqu’il acquiert le langage pour la première fois est un exemple simple d’un corpus qui peut ensuite être étudié pour apprendre les modèles de langage. L’enseignement des langues étrangères dans la première moitié du 20e siècle utilisait souvent des corpus de la langue cible pour compiler des listes de vocabulaire pour les étudiants. L’éminent linguiste Noam Chomsky ne considérait pas l’utilisation de corpus comme un outil valable, car il croyait que la compétence linguistique était plus importante que les données de performance. Au début, la linguistique de corpus reposait en grande partie sur l’hypothèse qu’il existe un nombre limité de phrases dans une langue naturelle et que ces phrases peuvent être collectées et évaluées.
Après être tombée en disgrâce dans les années 60 et 70, la linguistique de corpus connaît un renouveau dû à l’utilisation méthodologique de l’ordinateur. Le programme de concordance est le nom du logiciel le plus couramment utilisé par les linguistes. Alors que la recherche de modèles dans un corpus de millions de mots prendrait trop de temps pour un être humain et que les résultats seraient moins que précis, un ordinateur peut rechercher et récupérer des informations en quelques secondes seulement. Il peut calculer la fréquence, trier les données et exploiter les corpus d’une manière qui était impossible dans le passé.
L’analyse basée sur le corpus peut examiner comment le registre affecte la langue ; les modèles d’utilisation de la langue, tels que la façon dont les hommes et les femmes utilisent différemment les questions sur les étiquettes ; la mesure dans laquelle les modèles de langage sont utilisés ; et les facteurs qui influent sur la variabilité de l’utilisation de la langue. L’enseignement peut bénéficier de la linguistique de corpus dans la conception du programme, le développement des matériaux utilisés et le type d’activités utilisées en classe. Les élèves pourraient bénéficier de l’approche en étant en mesure de déterminer plus clairement les différentes utilisations et significations des mots courants, les différences inhérentes à la langue écrite et parlée, ainsi que les phrases et les collocations qu’ils pourraient utiliser. Le corpus de données qu’est le corpus est constamment mis à jour et est le produit d’interactions sociales réelles. Ainsi, les corpus sont des données naturalistes facilement accessibles et les résultats peuvent être généralisés.