A coleta e a exploração de corpora para a criação de atividades é um tema cada vez mais recorrente, uma vez que a prática visa a garantir materiais de ensino que privilegiam a língua em uso. A disponibilidade de instrumentação computacional para análise de corpora é enorme, assim como o seu potencial para o ensino de línguas. Apesar dos benefícios, o uso desses recursos ainda não é uma realidade para a maioria dos professores, principalmente fora do contexto acadêmico. Nesta tese, desenvolve-se um sistema de análise de textos e corpora e de criação automática de atividades de leitura e ensino de léxico-gramática em língua inglesa, com base na investigação das possibilidades de construção e exploração de corpora da Linguística de Corpus em diálogo com métodos e ferramentas de trabalho das áreas do Processamento de Línguas Naturais e Aprendizado de Máquina. Os objetivos da pesquisa estão relacionados a um estudo inicial que teve como produto final um software desktop para a preparação semiautomática de atividades de leitura em inglês, segundo o conceito de atividade-padrão, para facilitar a produção de materiais baseados em corpora. A proposta da tese concentra-se na automatização das análises linguísticas para a criação automática de atividades de ensino. Para tanto, a linguagem de programação Python, com a biblioteca Natural Language Toolkit (NLTK), foi utilizada na construção de módulos de análise de texto e corpora. Os principais corpora foram: a. o corpus de referência British National Corpus (BNC); b. o corpus de referência Floresta Sinta(c)tica do NLTK; c. o corpus de referência MacMorpho do NLTK; d. um corpus de estudo/treinamento com 135 textos de anúncios de emprego em inglês da Internet; e. um corpus de estudo/treinamento com 771 textos de divulgação científica das revistas eletrônicas Scientific American e NewScientist. A partir das análises automáticas programadas, foram criados modelos em XML, que extraem informações de texto e corpus para a criação de atividades. Uma interface gráfica foi desenhada para implementação do sistema, por meio das linguagens PHP, JavaScript, HTML e CSS, e disponibilizada online para a avaliação de possíveis usuários finais. A análise das avaliações mostrou-se positiva tanto em relação a aspectos da interface quanto a informações geradas pelo sistema. Os resultados obtidos no trabalho são significativos, pois sugerem que o sistema proposto, que permite a automatização de análises de texto e corpora para a criação automática de atividades didáticas de leitura e ensino de léxico-gramática em língua inglesa, apresenta um diferencial em relação a ferramentas disponíveis para análise de textos: fornece análises mais apuradas para a tarefa de elaboração de atividades didáticas, quando comparado, por exemplo, a programas como concordanciadores. Dentre as contribuições do trabalho, destacam-se o percurso do desenvolvimento do sistema como parte integrante da pesquisa, o diálogo entre as Humanidades a Linguística e a Língua Inglesa e as Ciências Exatas a Computação, com o Processamento de Línguas Naturais e o Aprendizado de Máquina , e a automatização de tarefas de análise de textos para fins de criação de materiais pedagógicos para o ensino de línguas. / Collecting and analyzing corpora in order to create activities is a topic that has risen by leaps and bounds, since practice is aimed at ensuring that the teaching material is focused on the language currently in use. There is a great amount of computer devices available for corpora analysis, and its potential for teaching languages is evident. Even though they present huge benefits, most of the teachers do not take advantage of these resources yet, chiefly when they do not take part in the academic environment. Through this thesis, a system for analysis of text and corpora and automatic creation of reading and English lexical-grammar teaching activities is developed, based on the investigation of possible ways of collecting and analyzing corpora from Corpus Linguistics, in partnership with methods and working tools related to Natural Language Processing and Machine Learning. The purpose for this research is related to an initial study that resulted in a desktop software that semi-automatically prepares reading activities in English, based on the standard-activity concept, in order to facilitate the creation of corpora-based material. This thesis puts forward the automatization of linguistic analyses so that teaching activities may be created automatically. For this purpose, the programming language Python, together with the Natural Language Toolkit (NLTK) library, was used for the creation of text-analysis and corpora modules. The main corpora used were: a. British National Corpus (BNC) reference corpus; b. Floresta Sinta(c)tica reference corpus from NLTK; c. MacMorpho reference corpus from NLTK; d. a study/training corpus with 135 texts of job announcements in English taken from the Internet; e. a study/training corpus with 771 texts of scientific disclosure of the following e-magazines: Scientific American and NewScientist. As from the scheduled automatic analyses, some XML models were created; they gather information about texts and corpus in order to create activities. A graphic interface was designed with the purpose of implementing the system by means of PHP, JavaScript, HTML and CSS languages and made available online, so that it could be evaluated by potential final users. The evaluations analysis had a positive outcome, both in relation to interface aspects and information provided by the system. The outcome of this work is meaningful, since this new system, which allows for the automatization of text and corpora analyses in order to create reading and English lexical-grammar activities, has a differential with regard to the tools available to analyze texts: it allows for more accurate analyses for the task of creating teaching activities, when it is compared, for instance, to softwares such as the concordance ones. Among the contributions to this work, it is important to highlight the system development process as an integral part of the research, the dialog between the Humanities Linguistics and English language and the Exact Sciences Computing, with the Natural Language Processing and the Machine Learning , as well as the automatization of text-analysis tasks in order to create teaching material for language teaching.

Made available in DSpace on 2016-04-28T18:22:55Z (GMT). No. of bitstreams: 1 Alexandre Trigo Veiga.pdf: 1466775 bytes, checksum: 8e4e9f53a00dd032cb2884acc23dcdcf (MD5) Previous issue date: 2014-09-16 / The present research was developed in order to present an alternative methodology for gathering and identifying terms from a specific area of studies in comparable corpora in Portuguese and English using computer tools designed for linguistic analysis. The selected specific area is Symbolic Freemasonry and the compiled corpora for this study are manuals and rituals used by freemasons during their works that are available in the Internet. The computer tools used for this research are the WordSmith Tools 6.0, the zExtractor and the SketchEngine. The terms identified as a result of this research will provide relevant data for developing a bilingual glossary of Symbolic Freemasonry to aid translators and proof-readers who specialize in masonic works / Esta pesquisa foi desenvolvida com o objetivo de apresentar uma metodologia alternativa para reunir e identificar termos de uma área específica em corpora comparáveis em português e inglês usando ferramentas computacionais de análise linguística. A área escolhida é a de Maçonaria Simbólica e os corpora compilados para este estudo são manuais e rituais utilizados pelos maçons em seus trabalhos disponíveis na Internet. As ferramentas computacionais usadas nesta pesquisa são o WordSmith Tools 6.0, o zExtractor e o SketchEngine. Os termos identificados como resultado desta pesquisa fornecerão dados relevantes para a elaboração de um glossário bilíngue para auxiliar tradutores e revisores que se especializam em obras maçônicas

Made available in DSpace on 2016-04-28T18:22:57Z (GMT). No. of bitstreams: 1 Etelvo Ramos Filho.pdf: 6034350 bytes, checksum: aa0c4cb5722bdf425e95516446096188 (MD5) Previous issue date: 2014-12-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This dissertation describes how a corpus of 900 research articles written in English by researchers of 10 fields of study and nine different origins is mapped onto the dimensions of variation proposed by Biber (1988). Its theoretical and methodological underpinnings are provided by Corpus Linguistics and Multidimensional Analysis. The former is an area in Applied Linguistics in which language is seen as a probabilistic system and for whose studies computational tools and corpora are used. The latter is a corpus based approach for the study of dimensions of variations, which uses statistical procedures to identify relationships between linguistic features and registers in large amounts of texts. The methodology included the compilation of a corpus (Corpus of English Research Articles CERA), which is composed of articles collected using the Internet, its processing and analyses based both on origin and field. The result of the analyses for both the origin and the field shows that the corpus is composed of articles whose features characterize them in the 5 dimensions of variation proposed by Biber (1988) as: 1) being informational, 2) being non-narrative, 3) having explicit reference, 4) having non-explicit persuasion, and 5) having abstract information / Fundamentada teórico e medotologicamente na Linguística de Corpus e na Análise Multidimensional, esta tese analisa um corpus de 900 artigos de pesquisa em língua inglesa, escritos por pesquisadores de dez áreas, provenientes de nove diferentes origens. Para tanto, a pesquisa se apoia em uma área da Linguística Aplicada que vê a língua como um sistema probabilístico e para cujos estudos são utilizados ferramentas computacionais e corpora. A Análise Multidimensional é uma abordagem baseada em corpus para o estudo de dimensões de variação que usa procedimentos estatísticos para identificar relações entre traços linguísticos e registros em grandes quantidades de textos. A metodologia incluiu a compilação de um corpus de estudo (Corpus of English Research Articles CERA), composto de artigos coletados por meio da internet, que envolveu processamento do texto e análises por origem e área de estudo. A partir do mapeamento nas cinco dimensões de variação de Biber (1988), o resultado das análises por origem e área mostra que o corpus é composto por artigos cujos traços os situam nos seguintes polos: 1) produção informacional, 2) preocupação não-narrativa, 3) referências explícitas, 4) persuasão não-explícita e 5) informação abstrata

As construções passivas no Português Brasileiro e no Espanhol apresentam tanto tendências comuns, quanto assimetrias. Este trabalho tem o propósito de investigar os efeitos desse fenômeno na aquisição/aprendizagem de Espanhol por estudantes brasileiros. Inicialmente, propõe-se uma descrição das construções passivas nas duas línguas. Em seguida, faz-se uma análise contrastiva dessas construções no Português Brasileiro e no Espanhol. Finalmente, investiga-se o comportamento das construções passivas (sobretudo as perifrásticas e as lexicais) na produção escrita de brasileiros aprendizes de Espanhol língua estrangeira. Os resultados obtidos na análise dos corpora sugerem algumas hipóteses sobre os fatores que possivelmente influenciam a preferência dos aprendizes por determinadas construções em detrimento de outras / Passive constructions in Brazilian Portuguese and Spanish present both common tendencies and assimetries. The aim of this project is to investigate the effects of such phenomenon on Spanish acquisition/learning process by brazilian students. Initially, a description of passive constructions is proposed for both languages. After that, a contrastive analysis is made of those constructions in Brazilian Portuguese and Spanish. Finally, the behavior of passive constructions is analyzed in the written production of brazilian students who learn Spanish as a foreign language. Results from corpora analysis suggest some hypotheses on the factors which possibly influence learners\' choices for certain constructions to the detriment of others

Esta pesquisa teve como objetivo realizar uma investigação das diferenças de orientações culturais entre o Brasil e os Estados Unidos a partir da análise de um corpus de resenhas de viajantes e aplicar esses resultados em uma proposta de tradução funcionalista na área do turismo. Cultura, neste trabalho, é entendida como sistema compartilhado para a interpretação da realidade e organização da experiência (Katan, 2004: 26), noção relacionada às orientações culturais ou tendências que as culturas desenvolvem para determinados padrões de percepção da realidade. Adotamos o referencial teórico de três áreas: Estudos Interculturais para a eleição do modelo de orientações culturais que norteia a análise (Hall, 1977; Hofstede, 2001; Trompenaars e Hampden-Turner, 2012; Walker et al. 2003); Linguística de Corpus e sua perspectiva da linguagem como sistema probabilístico (Sinclair, 1991); Teoria Funcionalista da Tradução (Vermeer, 1989) e seu enfoque na função comunicativa do texto final como o fio condutor das estratégias tradutórias. O corpus de estudo é composto por resenhas de hotéis extraídas do site TripAdvisor, escritas em inglês por americanos e em português por brasileiros. Foram compiladas 15 mil resenhas, totalizando 2.160.333 palavras, divididas em dois subcorpora em cada idioma: resenhas de americanos sobre hotéis nos EUA e sobre hotéis no Brasil; resenhas de brasileiros sobre hotéis nos EUA e sobre hotéis no Brasil. Esse corpus foi explorado com o auxílio do software WordSmith Tools 7 (Scott, 2016). No total, foram apresentadas nove análises, com base nas palavras-chave das cinco categorias semânticas estabelecidas: VALOR/JULGAMENTO Brazilian (standards) e star; ATENDIMENTO staff e complain; ESTADIA experience e disappointing; ESTRUTURA FÍSICA room e lobby; COMODIDADES breakfast. A cultura americana foi caracterizada pelas orientações à comunicação low context, ao individualismo, ao pensamento indutivolinear e ao universalismo. Dentre outras características, observou-se uma alta expectativa de que a estrutura física e os serviços prestados pelo hotel sejam consistentes e compatíveis com o padrão da rede e categoria de estrelas. A cultura brasileira demonstrou tendência às orientações à comunicação high context, ao coletivismo, ao pensamento dedutivo-sistêmico e ao particularismo. Como consequência, as resenhas dos brasileiros demonstram ser mais pautadas em descrições gerais e impressões pessoais do que em critérios concretos e objetivos. Esses e outros achados embasaram a proposta de tradução funcionalista (português > inglês) de um site de hotel, demonstrando que o conhecimento sobre as orientações culturais, quando aplicado à tradução no âmbito do turismo, permite que se produza um texto final alinhado à sua função informativa e persuasiva. / The aim of this research is to carry out a cross-cultural corpus-based analysis of Brazilian and American travelers reviews, interpreting results within the theoretical frame of cultural orientations. We then apply the findings to a functionalist translation of a tourism text. Culture is defined as a \"shared system for interpreting reality and organizing experience\" (Katan, 2004: 26), which is closely related to the concept of cultural orientations or tendencies that cultures develop towards certain patterns of perception. This research draws on the principles of three major areas: Intercultural Studies for selecting the cultural orientations model that underpins the analysis (Hall, 1977; Hofstede, 2001; Trompenaars & Hampden-Turner, 2012; Walker et al., 2003); Corpus Linguistics and its perspective of language as a probabilistic system (Sinclair, 1991); and the Skopos Theory of Translation (Vermeer, 1989) that sees the communicative function of the target text as the guiding principle behind translation strategies. The study corpus is comprised of TripAdvisor hotel reviews written in English by American travelers and in Portuguese by Brazilian travelers. A total of 15,000 reviews and 2,160,333 words were compiled, divided into two subcorpora in each language: American reviews of hotels in the USA and hotels in Brazil; Brazilian reviews of hotels in the USA and hotels in Brazil. This corpus was explored with the aid of WordSmith Tools 7 (Scott, 2016). A total of nine analyses were presented, based on keywords from five semantic categories: VALUE/JUDGMENT - \'Brazilian (standards)\' and \'star\'; SERVICE - \'staff\' and \'complain\'; STAY - \'experience\' and \'disappointing\'; PHYSICAL ATTRIBUTES - \'room\' and \'lobby\'; AMENITIES - \'breakfast\'. Americans displayed a low-context orientation to communication, linear-inductive orientation to thinking as well as individualism and universalistic orientations. As a consequence, Americans showed high expectation for consistency and compatibility among hotel physical attributes, services provided and hotel chain or star rating. Brazilians exhibited cultural orientations towards high-context communication, deductive-systemic thinking, particularism and collectivism. Among other characteristics, Brazilian reviews proved to be mostly based on general descriptions and personal impressions rather than concrete and objective criteria. These and other findings created the basis for our functionalist approach to a translation (Portuguese > English) of a hotel website, thus showing that an understanding of cultural orientations plays a role in tourism translation, helping ensure the target tourism text reaches its informative and persuasive functions.

Com a crescente demanda por certificações como pré-requisito para o acesso aos cursos de pós-graduação para profissionais de diferentes áreas, a habilidade de leitura tornou-se um campo de grandes possibilidades para a pesquisa de ensino-aprendizagem para fins específicos. O objetivo desta pesquisa é fazer um levantamento das estruturas léxico-gramaticais que possam impedir a fluência da leitura dos diferentes gêneros relacionados à área médica. A partir daí, oferecer ao professor maiores subsídios na preparação e na organização do conteúdo programático em cursos de leitura instrumental, além de possibilitar a elaboração de atividades que possam auxiliá-lo nessa tarefa. Para tanto, foi compilado um corpus de estudo composto por três subcorpora: um acadêmico (NEJM) e dois de divulgação na área de saúde (Health News e WebMD), a partir de textos disponíveis na internet. A compilação do corpus foi feita de forma manual e automática, esta com a ajuda da ferramenta BootCat. A análise do corpus foi feita de forma semiautomática por meio do AntConc 3.3 w 2012. A metodologia baseada em corpus permitiu que o levantamento de alguns padrões léxico-gramaticais recorrentes fosse feito de uma forma adequada e eficiente, além de ter demonstrado ser possível a elaboração de um corpus individualizado, não muito laborioso, que possa atender às necessidades dos aprendizes de leitura com necessidades específicas. Diferenças significativas foram encontradas na comparação dos três subcorpora. Confirmando estudos anteriores, como, por exemplo, o de Biber (1998), a forte presença da voz passiva nos textos acadêmicos demonstrou ser uma característica importante para a organização de um conteúdo programático, bem como a forte presença dos verbos regulares. A ordem dos adjetivos nesse tipo de gênero foi outro tópico levantado. Nos textos de divulgação, a presença de características da linguagem falada, como a omissão do that nas orações substantivas e a sequência to be likely, apresentou um forte indício da dificuldade encontrada pelos aprendizes brasileiros de inglês na leitura desse tipo de gênero textual. / Given the growing number of certification in the academic area in English, reading has become of utmost importance for professionals in different areas. Brazilian professionals in the area of health are required to get a proficiency certificate to be accepted in the post graduate programme of an important university in São Paulo. Having that in mind, the aim of this study is to analyse the lexico-grammatical structures and items that can hinder reading comprehension of texts in the medical area. Results may aid teachers in getting more subsidies for the preparation and organisation of their reading syllabi in a course for specific purposes. To be able to accomplish that task we have compiled a corpus which is composed of three subcorpora: one with research articles from the New England Journal of Medicine online version and the two other ones with articles also published on the internet (Health News and WebMD). The compilation was both manual and automatic using the Bootcat. The corpus analysis was initially performed with the help of Wordsmith Tools 5.0 and continued with the AntConC 3.3.w 2012. The use of Corpus Linguistics has allowed the researcher to observe more effectively some of the lexico-grammatical patterns which were typical and recurrent in the analised genres. Besides, this study has demonstrated that it is possible to build a specialized corpus without much effort so as to help teachers and students alike. Significant differences were found as a result of the comparison of the three subcorpora. This study has confirmed the massive presence of the passive voice in academic texts (Biber, 1998). In the information genre, it has revealed its proximity to the spoken variety, which might be the cause for the difficulty encountered by most Brazilian students when reading this kind of articles.

As construções passivas no Português Brasileiro e no Espanhol apresentam tanto tendências comuns, quanto assimetrias. Este trabalho tem o propósito de investigar os efeitos desse fenômeno na aquisição/aprendizagem de Espanhol por estudantes brasileiros. Inicialmente, propõe-se uma descrição das construções passivas nas duas línguas. Em seguida, faz-se uma análise contrastiva dessas construções no Português Brasileiro e no Espanhol. Finalmente, investiga-se o comportamento das construções passivas (sobretudo as perifrásticas e as lexicais) na produção escrita de brasileiros aprendizes de Espanhol língua estrangeira. Os resultados obtidos na análise dos corpora sugerem algumas hipóteses sobre os fatores que possivelmente influenciam a preferência dos aprendizes por determinadas construções em detrimento de outras / Passive constructions in Brazilian Portuguese and Spanish present both common tendencies and assimetries. The aim of this project is to investigate the effects of such phenomenon on Spanish acquisition/learning process by brazilian students. Initially, a description of passive constructions is proposed for both languages. After that, a contrastive analysis is made of those constructions in Brazilian Portuguese and Spanish. Finally, the behavior of passive constructions is analyzed in the written production of brazilian students who learn Spanish as a foreign language. Results from corpora analysis suggest some hypotheses on the factors which possibly influence learners\' choices for certain constructions to the detriment of others

Muitas pesquisas reconhecem a importância das colocações para o aprendizado da língua inglesa. Contudo, poucos estudos investigaram o tema na escrita de aprendizes brasileiros de inglês. Esta pesquisa examina o papel das colocações verbais em um subcorpus do EF-Cambridge Open Language Database (EFCAMDAT) composto por redações de aprendizes brasileiros de inglês de nível avançado. A abordagem metodológica adotada neste estudo é baseada em técnicas da Linguística de Corpus. Para essa investigação, foi elaborada uma classificação semiautomática de todos os verbos com o auxílio de um programa de anotação de corpora. Em geral, os resultados mostram que praticamente uma em cada cinco combinações entre um verbo e um substantivo é uma colocação. No entanto, os aprendizes não empregam colocações verbais com sucesso mesmo sendo de nível avançado de aprendizado. As colocações verbais apresentaram desvios em 25% dos casos. O principal tipo de inadequação é o uso de um verbo inapropriado causado pela influência do português. Um pequeno número de estruturas sintáticas também pode ser responsável por desvios colocacionais. Mais pesquisas sobre esse tópico precisam ser conduzidas para a total compreensão dos fatores que determinam a taxa de sucesso. Os achados devem contribuir para a área de aprendizagem de inglês por brasileiros. / There is a growing body of literature that recognizes the importance of collocations in English language learning. However, few studies have investigated the use of collocations in the writing of Brazilian learners of English. This research examines the role of verbal collocations in a subcorpus of the EF-Cambridge Open Language Database (EFCAMDAT). The subcorpus comprises writings by advanced learners of English from Brazil. The methodological approach taken in this study is based on Corpus Linguistics. For this investigation, a semi-automatic classification of all verbs was applied with the aid of a computer program for annotation of text. Overall, the results indicate that nearly one out of every five combinations between a verb and a noun is a collocation and that learners are not completely successful in the use of verbal collocations despite their advanced level of learning. The use of verbal collocations was found to be deviant in 25% of the cases. The main type of inadequacy was the use of an inappropriate verb caused by the influence of Portuguese. A small number of syntactic patterns may also have been responsible for collocational deviations. More research on this topic needs to be undertaken before full comprehension of the factors that determine success rate. The findings should make a contribution to the field of English learning by Brazilians.

Esta tese procura demonstrar a valiosa contribuição da Lingüística de Corpus na análise do texto literário e na avaliação da tradução literária. O corpus é formado pelos textos de Dubliners (1914), uma coletânea de contos de James Joyce, e duas traduções dessa obra, ambas intituladas Dublinenses, uma de Hamilton Trevisan (1964), a outra de José Roberto O Shea (1993). Primeiramente é apresentado um panorama da Lingüística de Corpus, especialmente como uma abordagem que apresenta interfaces com os Estudos da Tradução e a Análise Literária. Em seguida é feita uma análise da obra original e, logo após, uma avaliação das traduções. Para constatar a efetiva contribuição da Lingüística de Corpus, a análise do texto original e das traduções foi realizada seguindo duas abordagens diferentes, a não computacional e a computacional. Os dados levantados foram comparados, o que permitiu estabelecer que a Lingüística de Corpus de fato representa uma abordagem que traz significativa contribuição aos processos de análise do texto literário e à avaliação de traduções literárias. Assim, foi proposto um modelo híbrido de avaliação de tradução literária, que combina características da abordagem tradicional e da Lingüística de Corpus. Esse modelo foi testado com quatro contos de Dubliners. / This thesis aims at demonstrating the valuable contribution of Corpus Linguistics in the analysis of literary texts and in the evaluation of literary translation. The selected texts are Dubliners (1914), a collection of short stories by James Joyce, and two translations thereof, both entitled Dublinenses, one by Hamilton Trevisan (1964), and the other by José Roberto O Shea (1993). Firstly, an analysis of the original work is carried out and, after that, the evaluation of translations. In order to verify the effective contribution of Corpus Linguistics, an analysis of the original text and its translations was performed, using two different approaches, a non computational as well as a computational one. The data thus obtained were compared and, as a result, it could be established that Corpus Linguistics really represents an approach which makes a significant contribution to the processes of literary text analysis and the evaluation of literary translations. Therefore, a model for the evaluation of literary translations was proposed, bringing together characteristics of the traditional approach and that of Corpus Linguistics. This model was then tested on four short stories from Dubliners.

Cette recherche porte sur la réalisation linguistique de l’explication en anglais contemporain. À la suite d’un travail définitoire de la notion sont identifiés deux types d’explication: la clarification et l’explication causale. L’étude adopte une approche énonciative tout en offrant des considérations d’ordre pragmatique. L’analyse linguistique se fonde sur un corpus de textes didactiques et examine plus particulièrement le rôle des connecteurs dans le discours explicatif. Enfin, ce travail vise également la formalisation de quelques relations discursives à l’œuvre dans l’explication et l’écriture de règles linguistiques en vue de la reconnaissance automatique de ces relations. / This study is concerned with the linguistic realisation of explanation in contemporary English. After a definitional work on the notion, two types of explanation are identified: clarifying explanation and causal explanation. The study adopts an utterer-centered approach while also considering pragmatic aspects. The linguistic analysis is based on a corpus of didactic texts and it focuses on the role played by connectives in explanatory discourse. Finally, the study also aims at formalising some discourse relations involved in explanations and designing linguistic rules in order to automatically identify the discourse relations at stake.