|
L’intelligence artificielle pour évaluer la difficulté de textes à la lecture| title | L’intelligence artificielle pour évaluer la difficulté de textes à la lecture |
|---|
| start_date | 2024/04/19 |
|---|
| schedule | 14h-15h30 |
|---|
| online | no |
|---|
| location_info | Salle Paul Imbs |
|---|
| summary | Les formules classiques de lisibilité se sont concentrées, pendant près d’un siècle, sur la tâche consistant à produire une valeur numérique unique représentant une estimation de la difficulté de lecture d’un texte pour une population donnée. Dans notre conférence, nous brosserons un rapide résumé des principales étapes du domaine de la lisibilité, depuis son émergence dans les années 1920 jusqu’aux modèles de lisibilité basés sur l’apprentissage profond (Deep Learning). Nous exemplifierons ensuite les plus récentes avancées en présentant DMmesure, une plateforme de lisibilité pour le français langue étrangère (FLE), qui repose sur un modèle de lisibilité neuronal (Yancey et al., 2020).
Bien que cette approche synthétique ait des vertus dans certains contextes, sa principale limite est que les modèles de lisibilité analysent des dizaines, voire des centaines de caractéristiques linguistiques du texte sans que l’utilisateur y ait accès. En effet, les formules de lisibilité se limitent à produire une unique valeur, représentative du niveau de difficulté à la lecture du texte. Or, les variables considérées sont des caractéristiques textuelles dont les travaux en psycholinguistique ont généralement établi l’influence sur le processus de lecture et elles s’avèrent d’un grand intérêt en vue de simplifier le texte ou d’en didactiser la lecture. Dans la seconde partie de notre présentation, nous présenterons tout d’abord FABRA (Wilkens et al., 2022), un outil en ligne qui permet de calculer ces variables pour n’importe quel texte en français. Ensuite, nous présenterons des expériences sur des architectures hybrides (Wilkens et al., 2024), combinant variables et apprentissage profond. Finalement, nous montrerons comment utiliser des ressources lexicales graduées telles que FLELex (François et al., 2014) pour évaluer en détail la difficulté lexicale d’un texte de FLE. |
|---|
| responsibles | Gobert |
|---|
Workflow history| from state (1) | to state | comment | date |
|---|
| submitted | published | | 2024/04/10 12:52 UTC |
| |
|