Simulation probabilistique d'acquisition des langues secondes (ALS) [r-libre/1389]

Merdaoui, Badis (2018). Simulation probabilistique d'acquisition des langues secondes (ALS) (thèse de doctorat en Informatique cognitive, Télé-université, Québec, Canada). Direction : Hotte, Richard et Lemire, Daniel.

Fichier(s) associé(s) à ce document :

PDF - Merdaoui.pdf

Télécharger

Catégorie de document :	Thèses et mémoires
Évaluation par un comité de lecture :	Oui
Étape de publication :	Non publié
Résumé :	Cette thèse s’intéresse aux défis de simulation des mécanismes cognitifs d’acquisition des langues secondes (ALS) par des modèles computationnels. Dans notre société mondialisée, l'ALS est incontournable. Chez un individu l’importance des langues secondes (LS) est proportionnelle à son usage dans sa vie personnelle et professionnelle et dans le développement des sociétés dans lesquelles il vit. Un exemple tangible est l’intégration des nouveaux immigrants dans leurs sociétés d’accueil et milieux professionnels. De même, des milliers de personnes, dans le monde, passent des tests tels que SL/EFL, TOEFL et TOEIC pour leur admission dans des universités, des écoles supérieures ou, encore, dans des entreprises internationales. L’offre de formation à l’apprentissage des langues est un marché fort varié et lucratif. On retrouve partout des écoles de langues et les approches pédagogiques pour faciliter les apprentissages vont des plus traditionnelles (Berliz, YMCA, UQAM) aux plus innovantes (Gymglish, Rosetta Stone, Assimil, Babel) utilisant soit la présence, la ligne ou, encore, les deux combinées comme modes de formation. Mais ces formations sont-elles vraiment efficaces ? Les systèmes qui les supportent permettent-ils de maximiser l’apprentissage des langues en assurant un apprentissage rapide, et, surtout, durable dans le temps ? L’analyse, la compréhension et la modélisation des processus cognitifs d’ALS restent un problème ouvert, et de ce fait, la simulation des différents mécanismes de cette acquisition par des modèles computationnels nous semble un défi à relever. En vue d’optimiser ce type d’apprentissage, nous avons conçu un modèle computationnel qui s'inspire des processus cognitifs humains. Plusieurs travaux (Fazly, Alishahi et Stevenson, 2010; Erk, 2007; Andrews et Vigliocco, 2010) tentent de cerner et d'analyser l’apprentissage des langues en construisant des modèles qui capturent les structures complexes servant de base à l’organisation des langues comme les sens des mots simples et les structures actancielles. Toutefois, très peu de modèles ont été consacrés à la modélisation des LS en vue d’optimiser leur apprentissage (Rappoport et Sheinman, 2005 ; Matusevych et al., 2016). D’une part, les modèles probabilistes et Bayesiens sont adaptés à la modélisation de la langue naturelle et de son apprentissage parce que la nature incertaine de la langue naturelle est fondée sur des informations inexactes, imprécises, incomplètes et non mesurables (Weber et Jouffe, 2003; Draper 2004). D’une autre part, notre modèle est un modèle probabiliste qui simulera les processus cognitifs humains pris en compte dans l’ALS; que sont, entre autres l’acquisition des sens des mots, l’acquisition des structures actancielles des verbes, l’acquisition des rôles sémantiques des actants et l’acquisition des préférences de sélection des verbes, en s'appuyant seulement sur l’activité langagière (Usage-Based Theory) (Tomasello, 2003). Le modèle pourra être utilisé comme outil de support à l’apprentissage pour l’acquisition de l’anglais comme LS chez des apprenants dont la langue maternelle (L1) est le français et vice-versa.
Déposant:	Breault, Claude
Responsable :	Claude Breault
Dépôt :	12 févr. 2018 16:07
Dernière modification :	12 févr. 2018 16:07

Actions (connexion requise)

RÉVISER