A Corpus-Based Assessment of French CEFR Lexical Content

The French CEFR vocabulary profiles as presented in the Référentiels – while a valuable resource for a wide range of applications focused on lexical content – result from introspection, intuition-based judgements, and unquantifiable experience. The result is a specification of vocabulary that has been largely untested from a corpus-based, empirical perspective. In contrast, the English profiles were corpus-derived using current computational practices by English Profile, an ongoing project. In this article we summarize our evaluation of the French profiles by comparing their content with two sizable contemporary corpora and derived artifacts. We quantify the vocabulary overlap and uniqueness across all three of these resources. This leads us to make recommendations about possible ways of refining French CEFR vocabulary content by retaining, adding, and removing vocabulary items.

Les listes de vocabulaire pour la langue française élaborées suite à la parution du CECRL et contenues dans les Référentiels – une ressource très utile pour un grand nombre d’applications centrées sur le contenu lexical – résultent de l’introspection, de jugements basés sur l’intuition et d’une expérience non quantifiable. Il s’en suit une spécification de vocabulaire qui n’a, en grande partie, pas été vérifiée empiriquement dans le cadre d’études de corpus. Ceci contraste avec les listes de vocabulaire pour la langue anglaise, issues d’études de corpus, qui ont recours à des pratiques computationnelles actuelles et se trouvent sur « English Profile », un projet en cours sur le web. Dans cet article, nous résumons notreévaluation des Référentiels en comparant leur contenu avec deux corpus contemporains appréciables et les artefacts qui en dérivent. Nous quantifions le chevauchement et l’unicité du vocabulaire sur les trois ressources. Cette démarche nous mène à formuler des recommandations sur les façons possibles d’affiner le contenu lexical des Référentiels en conservant, ajoutant et enlevant des éléments de vocabulaire.