Anglais
Avant de commencer, voici la liste des délimiteurs utilisés dans iTrameur:
| ,;’'~|&#@=`-.?!%*$()[]{}:+«»§\/…“” |
ATTENTION à ne pas oublier l’espace en début de liste
Tout d’abord, nous importons le corpus dans iTrameur, et vérifions que les partitions sont bonnes.
Analyse du mot "transgenre"
Maintenant on peut commencer l’analyse, et nous débutons avec les occurrences du motif “trans” et ses dérivés:
On constate qu’au final les mêmes mots reviennent, seule la casse change, étant donné que le même mot écrit avec ou sans majuscule n’est pas compté comme un seul mot.
Penchons-nous donc sur la fréquence de “transgender”, “trans”, “Transgender” et “Trans, avec la fréquence relative (nombre d’occurrence du motif dans le texte / nombre d’occurrence du motif sur tout le corpus):
Ce n’est pas très lisible, n’est-ce pas? Bon, à la place prenons plutôt la courbe “transgender”, qui est la forme ayant le plus d’occurrences:
A l’exception de 4 textes, le motif est présent dans tous les articles. Pour les 4 articles restants, c’est-à-dire le utf8_1-11, utf8_1-14, utf8_1-21 et utf8_1-24, il s’agit d’articles vides que nous n’avions pas réussi à récupérer (ou dont nous avions récupéré la page de cookie uniquement). Si on laisse ces articles de côté, les occurrences vont de 2 à 275 occurrences, et il est difficile d’en dégager une moyenne car comme vous pouvez le constater, la courbe varie énormément, mais on peut néanmoins en conclure que, de manière générale, les articles mentionnent soit énormément le mot, soit assez peu. Après, il ne faut pas oublier que tous les articles ne sont pas de la même taille, cela joue aussi dans le nombre d’occurrences.
Continuons notre analyse avec la forme “trans”, seconde forme la plus utilisée:
Si vous vous souvenez bien, c’était la courbe en corail. L’échelle est déjà moins grande, mais nous avons tout de même un pic d’occurrence à 170 environ. On peut voir également qu’il y a plus d’articles n’employant pas du tout cette forme, ce qui peut se comprendre étant donné que c’est une forme raccourcie du mot “transgenre”, certains journalistes préférerons employer le mot complet, même si la forme “trans” a tendance à se généraliser et à être de plus en plus utilisée, la preuve en est avec les autres articles utilisant le terme.
Concernant les deux dernières courbes, “Transgender” et “Trans”, nous n’allons pas revenir dessus, estimant que nous n’aurions pas grand chose à dire d’intéressant dessus de plus que ce que nous venons d’aborder.
Maintenant, regardons les cooccurrences de “transgender”:
Le mot le plus présent dans les cooccurrences est “people”, les personnes ou les gens, et est utilisé pour parler des personnes transgenres, comme on peut le constater dans les phrases dans lesquels ce mot apparaît:
A l’exception de 2 ou 3 phrases, le mot est constamment employé de cette façon.
De la même manière, nous retrouvons “men” et “women”, le plus souvent au pluriel comme ceci mais également au singulier, et encore une fois ces mots sont employé pour parler de femmes ou d’hommes transgenres, tel que “transgender women” ou “transgender men”, et nous avons quelques mots aussi lié à l’identité avec “bisexual”, “identify”, “nonconforming” (qui est généralement utilisé dans l’expression “gender-nonconforming”).
Puis, on trouve beaucoup de mots liés à la sécurité, ou au contraire au danger, avec “protections”, “killed” ou encore “against” pour aborder le sujet des violences subies par les personnes transgenres, ou des inégalités qu’elles subissent. En effet si on prend le mot “protections” et qu’on regarde les phrases d’où sont tirées le mot nous avons ceci:
Dans ces phrases, il est question de diminution de la protection des transgenres, ou de l’enlèvement de toute protection médicale pour ces personnes, ce qui nous fait retomber sur notre problématique, à savoir les discriminations subies par les personnes transgenres.
Après ça, nous voulions observer les cooccurrences pour “trans”, mais il s’avère que les résultats sont très similaires à “transgenre”, et moins nombreuses:
On retrouve le thème de l’identité avec “woman”/”women”, “nonbinary” et celui de la violence/discrimination avec “endanger” et “mock”, et c’est à peu près tout.
Autre chose que nous n’avions pas mentionné et qui se trouve dans les deux cooccurrences, le terme “Black”, il se retrouve assez souvent pour parler du fait que les personnes transgenres noires étaient d’autant plus sujettes à la violence et aux inégalités subies (certains articles traitant du fait que 2020 a été une année sombre pour ces personnes en particulier).
Passons maintenant à l’analyse des mots “transphobic” et “transphobia”
Analyse du mot "transphobic"
Cette analyse ne sera pas bien longue, car comme vous pouvez le constater sur le graphique, ces termes ne sont que très peu utilisés (17 occurrences au total si on en croit le dictionnaire):
On constate un pic à 21 environ pour les deux mots, dans l’article utf8-1-17, et après pour les articles mentionnant ces termes nous oscillons entre 5 à 10 mots, les deux termes confondus.
Au niveau des cooccurrences, il n’y a rien à dire, car nous n’avons pas de cooccurrences pour “transphobia”, iTrameur n’en ayant pas trouvé, et pour “transphobic” nous n’avons que “racist” qui apparaît, pour parler de discrimination transphobiques et racistes.
On peut penser que le terme est peu employé lorsque les discriminations transgenres sont abordées, peut-être parce qu’on se concentre plus sur ce que les transgenres subissent comme inégalités ou discrimination, plutôt que les personnes transphobes, ou les gestes que ces dernières commettent, la lumière étant davantage mise sur les victimes de tout cela.
Analyse du mot "discrimination"
Attardons nous maintenant sur le mot “discrimination”, en commençant tout d’abord par regarder le dictionnaire:
Nous retrouvons le terme “discrimination” sous la forme substantivale mais également adjectivale et verbale, le reste étant une différence au niveau de la casse en début de mot, ou d’un caractère supplémentaire collé au mot.
Si on observe maintenant la fréquence relative:
Si on met encore une fois de côté les articles vides, on voit que le mot n'apparaît pas dans certaines parties du corpus, et que l’on observe un pic à 180. Le fait que le mot n’apparaissent pas nous a semblé étonnant, vu que nous avions utilisé le terme lors de nos recherches d’articles. Ces articles sont peut-être apparus car le mot “discrimination” apparaissait en tant que mot clé dans un article traitant du sujet, sans que le mot soit exprimé explicitement, ou bien que la notion apparait sous un autre mot, comme le verbe “discriminate” ou l’adjectif “discriminatory”.
Observons maintenant les cooccurrences de “discrimination”:
Les trois mots ayant l’indice de spécificité le plus fort sont: “sex”, “against” et “bans”. Dans le tableau on trouve évidemment des termes du champ lexical de la discrimination, avec “against” (contre), “harassment” (harcèlement), “anti” (anti), ou encore “stigma” (stigmate).
Concernant le terme “anti” il apparait aussi bien pour exprimer “anti-discriminatoire” que “anti-lgbt” comme le montre les phrases suivantes, voilà pourquoi nous le mettons dans la liste:
Ensuite dans la liste des cooccurrences nous avons les domaines dans lesquels il est question des discriminations: "employment" (emploi), “workplace” (lieu de travail), “job” (travail) pour le travail, “patients” (patient) pour le domaine médical, et “bans” (interdiction, prohibition), “prohibits”/”prohibit”/”prohibiting” (prohibition), “law” (loi), “complaints” (plainte) pour le domaine juridique.
Que peut-on donc tirer de cette analyse?
En dehors des mots vides, les mots que l’on trouve le plus et ayant un rapport avec notre thématique sont: “transgender”, “people”, “gender”, “trans” et “discrimination”, “transgender” étant loin devant avec 508 occurrences pour cette forme uniquement.
Nous avions vu également que le terme de “discrimination” était parfois inexistant dans certains articles, et pourtant il fait parti des termes ayant le plus d’occurrences, 236 au total.
Par ailleurs, lorsque l’on prend le graphique de la fréquence absolue avec les termes “transgender”, “transphobia” et “discrimination”, qui sont un peu les mots clés de notre thématique, voici ce que l’on peut voir:
A l’instar du japonais et du coréen, le terme “transphobie” (en corail) est quasi inexistant, à l’exception de quelques articles à peine où il est mentionné par rapport au corpus total. Quant à la courbe “transgender”, certes la fréquence a tendance à être plus élevée (avec un pic à 50 occurrences pour un texte), mais la répartition n’est pas des plus équitable, la courbe variant fortement (ceci dit, dans les parties où la courbe est plus faible, peut être est-ce le terme “trans” qui est plus utilisé à la place?).
Aussi, contrairement au japonais, le mot “discrimination” ne semble pas avoir une connotation aussi, pour ainsi dire, officielle. En effet, le terme est également employé en dehors du domaine juridique, ce qui n’était pas tellement le cas du japonais.
A travers cette analyse, nous avons pu voir que trois thématiques communes aux autres langues se dégageaient: celle de l’identité, du travail et de la santé. Néanmoins, nous avons l’impression que dans le corpus anglais les violences sont davantage soulignées qu’en japonais par exemple, avec les mentions du verbe “kill” (qui revient tout de même 31 fois au total en comptant toutes les formes), ou de “violence” notamment. Un autre terme, ou plutôt un certain nom propre qui est beaucoup revenu (on compte 101 occurrences!), celui de Trump, l’ancien président des Etats-Unis (du moins, futur ex-président, car à l’heure à laquelle nous écrivons ces lignes la passation de pouvoir ne s’est pas encore faite), mais cela s’explique assez facilement par le fait qu’il avait pour projet de faire passer des lois nuisant aux personnes transgenres (par exemple une réduction de la protection à un niveau médical entre autre), et qui a donc contribué aux discriminations envers les transgenres, et rentre donc dans notre thématique.
Si vous souhaitez comparer les occurrences de nos trois mots-clés de cette analyse entre les langues cette fois, il suffit de vous rentre dans l'onglet "Analyse"!