Deep Learning for Language Assessment (DLLA)
Janvier 2022 – Décembre 2023
Porteur et co-porteur du projet
- Nicolas Ballier, URP 3967 CLILLAC-ARP
- Helen Yannakoudakis, King’s College London.
Mots-clés
Prédiction du niveau des apprenants, linguistique de corpus, apprentissage des langues, deep learning, corpus d’apprenants, jets textuels (textual bursts).
Résumé du projet
Le projet Deep Learning for Language Assessment (DLLA) est un projet exploratoire pour construire les outils permettant d’analyser les productions des apprenants à partir des traces numériques saisies au clavier (keylogs). Il vise à confronter deux méthodologies d’analyse automatique des textes (prédiction du niveau CECRL) et à essayer de développer des modèles d’analyse fondés sur ces traces numériques. Nous cherchons à construire un prototype qui propose des feedbacks visuels pour les apprenants à partir de l’interprétation des données saisies.
À lire aussi
ANR GLITCH
Projet ANR JCJC (2024-2027) porté par Maud Pélissier.Résumé Deux techniques d’apprentissage sont particulièrement efficaces pour la mémorisation : l’effort de rappel (essayer de se rappeler d’un élément plutôt que simplement le relire) et l’apprentissage espacé...
ANR MaTOS (2023-2026)
Près de 70 ans après l'expérience de Georgetown, MaTOS (''Machine Translation for Open Science'') revisite la traduction automatique de documents scientifiques en texte intégral afin de faciliter et d'ouvrir l'accès à la connaissance scientifique. MaTOS est soutenu...
TransQuest (2022-)
Ce projet analyse le rôle des questions dans la transmission du savoir dans les TED talks. Il propose une analyse contrastive et multimodale des enchaînements questions-réponses dans les TED talks en anglais et en français. Porteur Agnès Celle Résumé L'objectif est...
PARAAF
PARAAF: Perception de l'Anglais et Reconnaissance Automatique d'Accents à la Fac Projet (2024-2025) financé dans le cadre de l'AAP Formation SH de la Faculté Sociétés et Humanités.Objectifs Caractériser l'accent anglais des apprenants francophones à travers :...