Navigation – Plan du site
Recherche
alsic_v08_16-rec10

Analyses comparatives de productions écrites d'apprenants de français et de locuteurs francophones, à l'aide d'outils d'extraction automatique du langage

Isabelle Audras et Jean-Gabriel Ganascia
p. 81-94

Résumé

De nouveaux logiciels d'analyse textuelle tirent parti des progrès récents effectués en apprentissage symbolique et dans le traitement automatique des langues naturelles. Conçu au LIP6 par Jean-Gabriel Ganascia, le Littératron est l'un d'entre eux ; il extrait automatiquement des motifs syntaxiques à partir de textes écrits en langage naturel. Plus exactement, le Littératron prend comme entrée un arbre d'analyse syntaxique et donne en sortie un certain nombre de motifs syntaxiques récurrents. Associé à un analyseur de textes, qui engendre l'arbre d'analyse syntaxique à partir de textes écrits en langage naturel, il révèle les singularités stylistiques de ces textes. Nous allons voir qu'utilisé en sciences du langage, dans le domaine de l'acquisition du français écrit, le Littératron effectue un diagnostic linguistique de l'apprenant, que celui-ci provienne d'une classe de langue hétérogène (différentes langues maternelles) ou homogène (une seule langue maternelle, en l'occurrence ici l'arabe). L'intérêt de cette approche concerne trois domaines : d'une part la didactique des langues, à titre éducatif ; d'autre part, la linguistique computationnelle, et enfin l'enseignement assisté par ordinateur.

Haut de page

Notes de l'auteur

Nous tenons à remercier particulièrement, pour leurs conseils et leurs remarques en tant que relecteurs : Nathalie Hirschsprung (centre culturel français Romain Gary), Julien Velcin (LIP6) et Philippe Boula de Mareuil (Limsi).

Texte intégral

1. Introduction

1La didactique des langues étrangères pourrait utilement intégrer l'emploi des techniques du traitement automatique des langues. L'assertion peut paraître étrange à première vue puisque traitement automatique des langues vise, entre autres, à supprimer les barrières linguistiques grâce à l'emploi des ordinateurs, et donc à rendre moins nécessaire l'apprentissage des langues étrangères. Dans ce contexte, la didactique des langues étrangères disparaîtrait, tout simplement... On peut toutefois envisager d'autres perspectives : ainsi, il ne s'agirait pas de supprimer l'enseignement des langues étrangères, mais au contraire de le faciliter en tirant parti des connaissances acquises grâce aux outils de traitement automatique des langues.

2En d'autres termes, nous souhaitons repérer, grâce aux techniques actuelles du traitement automatique des langues, les erreurs écrites usuelles d'une population d'apprenants, ce qui permettra de mettre l'accent, au cours de l'enseignement, sur la correction de ces erreurs.

3Ce repérage des erreurs peut se faire soit dans l'absolu, par détection des erreurs syntaxiques, soit par rapport aux usages, par une étude des tournures propres à une catégorie d'apprenants dans un cadre narratif précis, celles-ci se trouvant absentes ou peu usitées chez les locuteurs natifs. C'est cette seconde approche que nous avons adoptée, sachant que le rôle des enseignants de langue n'est pas d'enseigner une langue abstraite parfaite mais de transmettre les usages d'une langue.

4Plus exactement, le travail présenté ici recourt à l'emploi d'outils d'analyse stylistique pour dégager les caractéristiques des apprenants, selon leur niveau, et les distinguer des locuteurs natifs. Des études empiriques conduites auprès de deux populations d'apprenants, l'une à Paris, à l'Alliance Française, l'autre à l'université de Naplouse (Territoires Palestiniens), auprès d'un public arabophone, valident l'approche proposée.

2. Présentation des outils informatiques utilisés

5Deux outils informatiques sont nécessaires pour extraire les motifs syntaxiques caractéristiques des différentes populations. Un motif syntaxique se définit comme une association d'unités linguistiques cohérentes. Voici un exemple de motifs extraits des analyseurs ayant la structure syntaxique [préposition + pronom personnel réfléchi + verbe à l'infinitif] : de vous adresser, afin de vous donner, de m'investir, de vous donner. Ces quatre motifs ont été extraits ensemble d'un même groupe de scripteurs de lettres de motivation.

6Le premier outil informatique requis est un analyseur morphosyntaxique du français qui construit des arbres syntaxiques à partir de productions écrites. Le deuxième est l'analyseur stylistique Littératron, mis au point au LIP6 par Jean-Gabriel Ganascia [Ganascia02] qui dégage les motifs syntaxiques récurrents présents dans ces arbres.

2.1. Première étape : de l'analyse syntaxique du texte au graphe de similarité des sous-arbres

  • 1 Un syntagme non récursif est un segment intermédiaire, un groupe d'unités syntaxiques intermédiaire (...)

7Dans les premières expériences, nous avons eu recours à l'analyseur linéaire avec dictionnaire partiel Vergne [AnalyseurVergne98] qui a été élaboré par Jacques Vergne de l'université de Caen, en 1998 ([Giguet98], [Vergne99]). Dernièrement, nous avons utilisé Cordial Analyseur [CordialAnalyseurV8]. Ces analyseurs découpent [1] un texte en langage naturel en syntagmes non récursifs. Les sorties sont ensuite transformées en arbres stratifiés ordonnés (ASO) pour servir d'entrée au Littératron.

  • 2 Un lemme est une unité constituante du lexique ou du mot.

8Plus précisément, l'analyseur textuel associe une étiquette à chaque mot (nom, verbe, etc.) ou groupe de mots (syntagme nominal, syntagme verbal, syntagme prépositionnel, etc.) et les transforme en arbre. Un ASO est une partition d'étiquettes dont les classes dépendent de la profondeur du nœud dans l'arbre d'analyse. Par exemple, un niveau correspond à la phrase (analyse logique), un second à des syntagmes non récursifs, et un dernier à des lemmes [2].

9Cette étape d'analyse est importante car l'algorithme d'extraction du Littératron repose en grande partie sur ces structures ordonnées. En effet, étant donnée une structure d'ASO, le Littératron calcule une mesure de similarité entre plusieurs ASO, fondée sur la notion de distance d'édition. Le concept d'édition consiste en une opération qui transforme un caractère ou un nœud d'une chaîne. Il peut s'agir d'une opération d'insertion, de substitution ou de destruction d'un caractère ou d'un nœud dans une chaîne. Une distance d'édition entre deux chaînes est le nombre d'opérations minimales nécessaires pour remplacer une chaîne par une autre. Pour étendre cette notion aux arbres, il est nécessaire d'avoir recours à des ASO [Ganascia01]. L'algorithme d'extraction de motifs, construit sur la base de la distance d'édition, génère un graphe de similarité enregistrant les sous-arbres les plus proches de l'ASO en entrée.

2.2. Deuxième étape, l'algorithme "centre-étoiles"

10C'est ce graphe de similarité qui sert ensuite d'entrée à l'algorithme de classification du Littératron, appelé "centre-étoiles", qui construit des classes de motifs similaires et leur attribue un nom significatif.

11Une étoile centrée sur un nœud N est un graphe dont toutes les arêtes contiennent le nœud L'algorithme centre-étoile évalue d'abord l'ensemble des étoiles centrées sur les différents nœuds puis il prend, pour chacune, la somme des valeurs de similarité des nœuds de chaque étoile au centre. Une fois calculé le score associé à chaque étoile, l'algorithme "centre-étoiles" prend celle qui a la plus forte évaluation, c'est-à-dire celle qui correspond au motif le plus récurrent dans les textes étudiés. On marque ensuite les nœuds qui appartiennent à cette première étoile, avant d'appliquer récursivement le même algorithme sur les nœuds non marqués, jusqu'à n'avoir que des nœuds marqués [Ganascia04].

12En résumé, toute étoile est un sous-graphe du graphe de similarité qui est lui-même centré sur un nœud. Le centre d'une étoile correspond à un des motifs parmi ceux qui sont les plus récurrents dans les textes étudiés.

2.3. Étape de description

13L'étape finale de l'algorithme de classification consiste à décrire chaque classe induite. Une étoile induit une classe de nœuds. Le centre de l'étoile est représenté par un motif syntaxique récurrent. Pour chaque classe construite, l'algorithme choisit les motifs les plus similaires au centre de l'étoile, pour illustrer la signification de l'étoile. Autrement dit, l'algorithme choisit le motif qui maximise la similarité avec les autres membres de la classe et qui minimise la similarité avec les membres des autres classes. Il donne également la partie extraite des textes sources représentée par chacun des motifs.

14Voici l'exemple d'un centre d'étoile, illustré par la figure 1, [PREP ["de"]] + [GN [ART ["la"]] + [NOM ["forêt"]]] (texte : de la forêt), auquel sont associés les cinq motifs syntaxiques suivants :

  • [PREP ["à"]] + [GN [ART ["l"]] + [NOM ["auberge"]]] (texte : à l'auberge) ;

  • [PREP ["d\"]] + [GN [ART ["un"]] + [NOM ["hiver"]]] (texte : d'un hiver) ;

  • [PREP ["dans"]] + [GN [ART ["le"]] + [NOM ["monde"]]] (texte : dans le monde) ;

  • [PREP ["avec"]] + [GN [ART ["les"]] + [NOM ["chiens"]]] (texte : avec les chiens) ;

  • [PREP ["depuis"]] + [GN [ADJ ["quelques"]] + [NOM ["jours"]]] (texte : depuis quelques jours).

15Ceci signifie que la mesure de similarité entre le premier motif (de la forêt) et l'un des arbres dérivés des arbres syntaxiques de chacun de ces cinq groupes nominaux est supérieure à un certain seuil. Ces cinq motifs font partie de la même étoile dont le centre est de la forme : [PREP ["de"]] + [GN [ART ["la"]] + [NOM ["forêt"]]].

Figure 1 – Graphe du centre-étoile présenté en exemple.

Figure 1 – Graphe du centre-étoile présenté en exemple.

2.4. Comparaison de motifs entre deux textes distincts

16Outre la construction d'étoiles et l'extraction de motifs, le Littératron procède à un second type d'opérations qui consiste à comparer les étoiles issues de plusieurs textes afin de repérer les étoiles présentes dans l'un et absentes dans l'autre. Ceci permet de discriminer, parmi les motifs présents dans une production, ceux qui le distinguent d'autres productions. C'est à partir de ce type de discrimination que l'on construira les tournures caractéristiques de populations d'apprenants.

17L'exemple du patron numéro 46 donne les sorties du Littératron analysant trois groupes de scripteurs distincts à partir de lettres de motivation (LMapp correspond aux lettres de motivation d'apprenants de langues maternelles diverses ; LMappa aux lettres de motivation d'apprenants arabophones ; LMfrcph aux lettres de motivation de francophones).

(Patron N°46) Indépendante S Pp1s V COD NcfsExemples:Fichier LMapp: Je parle la langue anglaise et française Fichier LMfrcph: Je maîtrise la mise en place de l'organisation de l'archivage Fichier LMappra: J'apprends la presse à l'université de Naplouse

18Le patron décrit la structure syntaxique du motif extrait. Ici il s'agit d'une proposition indépendante de forme sujet S + verbe V + COD. Il y est précisé que le sujet est un pronom personnel à la première personne du singulier (Pp1s) et que le COD est un nom commun féminin singulier (Ncfs).

19Les exemples extraits de chaque groupe de scripteurs donnent un aperçu des différents textes en langage naturel que le Littératron détecte comme étant proches de cette structure centrale.

3. Problématique : l'écrit en classe de langue

20Toute production écrite laisse une trace du fonctionnement cognitif du scripteur apprenant, même dans des productions scolaires comme la rédaction ou la dictée [Besse03]. En effet, la production écrite en classe de langue est le reflet des compétences de l'apprenant lors du passage à l'écrit. Ses compétences se révèlent à la fois dans la fréquence des expressions observées, dans ses prises de risque et dans l'originalité de ses idées [Carroll97]. Par ailleurs, selon Tuffs [Tuffs93], travailler sur des genres textuels différents facilite l'acquisition des langues étrangères. De façon générale, l'écrit en classe de langue est associé à une consigne qui prévoit l'intention de communication, même à l'extérieur d'un genre. En effet, le cadre narratif choisi, par le genre ou la consigne, définit un objectif de communication précis. Celui-ci appelle des objectifs fonctionnels dont l'expression morphosyntaxique et lexicale est vue en classe. Ce contenu linguistique, découvert à l'intérieur d'une situation de communication, es automatisé lors de réemplois, et ceci est d'autant plus vrai si celui-ci se trouve dans un contexte similaire. Enfin, l'analyse des besoins communicatifs du cadre narratif aide l'apprenant à s'adapter face à une nouvelle situation de communication dans laquelle il doit réagir [Tagliante94].

21Par ailleurs, et nous y reviendrons plus loin, l'apprentissage du FLE est sanctionné par une certification appelée DELF (Diplôme d'Études en Langue Française) aligné sur le CECR (Cadre Européen Commun de Référence) en apprentissage des langues. Les épreuves écrites A1, A2 et A3 ont pour cadre narratif, respectivement : la carte postale, la lettre amicale, la lettre de motivation. Les erreurs linguistiques et stylistiques détectées dans ces productions, au cadre narratif contraignant, sont autant de traces cognitives laissées par l'apprenant. Ainsi, le niveau de l'apprenant est validé par rapport à sa capacité à exprimer un message à travers un modèle appris et reconnu et non simplement par rapport à ses compétences grammaticales.

22C'est pourquoi l'acquisition du français langue étrangère est observable, à l'écrit, par la comparaison de la nature des motifs syntaxiques extraits et de leur fréquence, comparaison effectuée entre productions d'apprenants et de francophones. Les outils informatiques se révèlent un outil précieux, en sciences cognitives, pour révéler un "style" en langue seconde.

4. Premier type d'expérience : les apprenants sont de langues maternelles diverses

23L'idée de cette recherche est de comparer des productions écrites en classe de FLE (Français Langue Étrangère) de différents niveaux avec des productions de francophones répondant aux mêmes consignes. Les scripteurs francophones sont des natifs français de niveau d'étude au moins équivalent à bac + 4. Une autre étude, qui pourrait se révéler intéressante, travaillerait avec des francophones d'un niveau d'études moins élevé, voire des débutants scripteurs adultes [Morais01]. L'idée de cette perspective est de montrer que le critère du niveau d'éducation n'est pas négligé dans cette approche.

4.1. Présentation des productions écrites et méthodologie expérimentale

24Quatre types de productions ont été choisis : la carte postale (CP), la lettre amicale (LA), la lettre de motivation (LM), la description (Des). Chaque production correspond à un niveau d'apprentissage du français langue étrangère. Quant à la description, chaque apprenant, tous niveaux confondus, est soumis à l'observation puis à la description écrite d'un même dessin en couleur de format A3 (place de village, art naïf).

25Toutes les productions d'apprenants ont été faites en classe, entre le mois d'avril et le mois de juin 2002. La plupart se sont déroulées à l'Alliance Française de Paris. Certaines descriptions ont été réalisées dans une formation en FLE et en alphabétisation dans le Foyer de travailleurs Pinel, à Saint Denis.

26Le tableau 1 a une double fonction. Premièrement, il récapitule les expérimentations réalisées par genre textuel. Par exemple, en ce qui concerne la carte postale (CP), vont être introduites simultanément dans les analyseurs les productions d'apprenants débutants et de francophones Deuxièmement, il détaille le nombre total de productions de chaque type.

27Concernant la description, les productions des quatre groupes de scripteurs sont introduites en même temps dans mes analyseurs

Tableau 1 - Tableau récapitulatif des productions et de leur nombre. Les niveaux sont ceux du cadre européen CECR.

Tableau 1 - Tableau récapitulatif des productions et de leur nombre. Les niveaux sont ceux du cadre européen CECR.

4.2. Résultats et commentaires

28Les résultats obtenus sont de nature statistique, nous y ajoutons des commentaires linguistiques sur les motifs extraits.

Tableau 2 - Nombre d'étoiles et pourcentage de texte représenté par celles-ci. (francophones : frcph ; apprenants débutants : deb ; apprenants intermédiaires : inter ; apprenants avancés : av).

Tableau 2 - Nombre d'étoiles et pourcentage de texte représenté par celles-ci. (francophones : frcph ; apprenants débutants : deb ; apprenants intermédiaires : inter ; apprenants avancés : av).

29Le tableau 2 donne les résultats numériques des calculs statistiques effectués par l'analyseur. Il indique, pour chaque classe de scripteurs et pour chaque type de production, le nombre d'étoiles détectées par le Littératron ainsi que le pourcentage de texte représenté par ces étoiles. Les paramètres d'entraînement du Littératron sont identiques sur tous ces ensembles de productions, en particulier les seuillages de l'algorithme centre étoile et du graphe de similarité. Le nombre d'étoiles détectées est donc un bon indicateur de la richesse stylistique : plus il y a d'étoiles, plus le style est riche, c'est-à-dire moins les automatismes prévalent. Il en va de même pour le pourcentage de texte couvert par les étoiles détectées : plus celui-ci est faible, plus les patrons varient, ce qui signifie que le style est plus riche.

30Notons que cette notion de richesse stylistique doit être relativisée ; en effet, un grand écrivain pourrait se caractériser par la singularité d'un style qui déclinerait une palette restreinte de patrons, tandis qu'un écrivain sans style les déploierait tous. En dépit de ces quelques réserves, dans le cas particulier de la didactique qui nous intéresse, nous assimilons la richesse d'un texte (ou d'un ensemble de textes) au nombre de figures syntaxiques employées.

Figure 2 – Indice de variabilité en fonction du type de production.

Figure 2 – Indice de variabilité en fonction du type de production.

31Sur le graphe de la figure 2, nous définissons un indice de variabilité qui est, pour chaque type de texte, le rapport du nombre d'étoiles détectées sur le pourcentage de texte utilisé par l'application.

32Que conclure du nombre de motifs syntaxiques récurrents et du pourcentage de texte recouvert par ces motifs ? D'une part, les résultats statistiques représentés par l'indice de variabilité nous montrent que pour un même genre de production écrite, les motifs syntaxiques retenus par l'application sont plus nombreux, divers et dans une proportion de texte plus petite chez l francophones que chez les apprenants. De plus, la partie de texte non recouverte par les mo syntaxiques récurrents varie dans un rapport 2 (pour les CP, LM et LA) à 9 (pour la Des) fois plus important chez les francophones que chez les apprenants, même les plus avancés. Cette partie de texte, où le Littératron n'a pas détecté de motifs récurrents, pourrait être utilisée pour définir l'originalité du scripteur.

33Cette analyse a révélé des automatismes de l'écrit à l'intérieur de certains types de production. Ces automatismes concernent aussi bien des textes d'apprenants du français que ceux des francophones. Il y a donc des matrices d'écriture de cartes postales, de lettres d'invitation ou de lettres de motivation. Pour ce qui concerne les descriptions, la comparaison entre les différents niveaux fait apparaître des fréquences de motifs qui évoluent vers une complexification dans la composition et les liens de dépendance, donc une aisance d'écriture qui s'installe au fur et à mesure que la compétence morphosyntaxique s'acquiert.

34Enfin, concernant la description, nous sommes en mesure de rajouter quelques commentaires sur la structure syntaxique des motifs extraits. Les motifs de base extraits en qualité de syntagme nominal et en qualité de syntagme verbal ont, respectivement, la composition préposition + substantif + adjectif qualificatif et pronom sujet + verbe + adverbe. Ces motifs de base s'enrichissent progressivement en fonction de la maîtrise du français écrit. Par exemple, le syntagme nominal "des paysages variés" issu d'une production d'un scripteur débutant évolue en "un paysage bien vert" chez un scripteur natif francophone.

5. Deuxième type d'expérience : les apprenants sont de même langue maternelle, l'arabe.

35L'objectif de cette seconde expérience est de détecter, à partir de la liste des compétences requises pour chaque unité du DELF, celles qui sont présentes et celles qui sont absentes chez l'apprenant lorsqu'il écrit, que ce soit pour une préparation à l'épreuve ou une épreuve réelle. Suite au repérage éventuel de ces lacunes, un programme de remédiation personnalisé peut être proposé à l'apprenant.

5.1. Présentation des productions

36Deux types de productions ont été choisis : la lettre de motivation (LM) et la lettre amicale (LA). Ces deux productions ont été tirées d'épreuves du DELF session 2004 ; le DELF scolaire - public adolescent - pour les lettres amicales, et l'unité A3 - public adulte - pour les lettres de motivation.

37De l'autre côté, des productions faisant suite à la même consigne ont été recueillies auprès francophones (natifs, de niveau d'étude équivalent au moins à bac + 2).

38Suivant le même procédé que précédemment, quinze productions d'apprenants et quinze d francophones sont introduites dans l'analyseur textuel Cordial dont la sortie est ensuite traitée par le Littératron.

5.2. Points de morphosyntaxe à vérifier

39Nous décidons de vérifier successivement la présence ou l'absence des compétences morphosyntaxiques suivantes :

  • la ponctuation et la coordination, dans une structure de phrase du type "...,... et..." ;

  • la subordination, avec la complétive de structure : sujet + verbe + que ;

  • les expansions du nom, avec la relative introduite par "qui".

40Ces compétences morphosyntaxiques ont été choisies parce qu'elles nous semblaient correspondre à des compétences langagières minimales.

41À cette fin, nous avons calculé pour chaque point morphosyntaxique une figure qui rassemble l'ensemble des patrons correspondants. Par exemple, la figure de ponctuation et de coordination recouvre l'ensemble des patrons qui contiennent une ponctuation ou une coordination. De même, la figure de subordination recouvre l'ensemble des patrons qui introduisent une subordination. Enfin, la figure des expansions du nom recouvre les patrons qui font intervenir un pronom relatif. Nous avons ensuite calculé la fréquence de ces figures au sein des textes, puis nous avons centré le tableau de fréquence sur l'ensemble des productions de façon à faire apparaître les excès relatifs et, à l'opposé, les défauts.

5.3. Résultats et commentaires

42Le tableau 3 donne l'inventaire des trois figures présentées plus haut relativement aux sorties du Littératron.

Tableau 3 - Sorties du Littératron.

Points de morphosyntaxe et motifs observés

Lettres de motivation d'apprenants arabophones (LM appra)

Lettres de motivation de francophones (LM frcph)

Lettres amicales d'apprenants arabophones (LA appra)

Lettres amicales de francophones (LA frcph)

Ponctuation / coordination :"...,... et..."

- 0.046

0.041

- 0.075

- 0.0082

Subordination :sujet + verbe + que

- 0.0034

0.018

- 0.025

0.0063

Relative : "qui"

- 0.026

0.079

- 0.071

- 0.085

43Les chiffres qui apparaissent dans le tableau n'ont pas d'unité : ce sont des valeurs de fréquences relatives qui n'ont d'intérêt que si elles sont comparées deux à deux, d'où la coloration pour les valeurs les plus pertinentes qui correspondent à un excès de fréquences. Enfin, ces valeurs permettent de construire des graphes comme celui de la figure 3.

Figure 3 – Analyse en composante principale des sorties du Littératron.

Figure 3 – Analyse en composante principale des sorties du Littératron.

44Les valeurs colorées du tableau 3 font apparaître clairement les motifs syntaxiques choisis dans les productions de francophones. La lettre de motivation s'avère encore plus riche que la lettre amicale : est-ce parce qu'il s'agit d'adolescents dans la lettre amicale ?

45Ces contrastes sont encore plus visibles sur le graphe. L'analyse en composante principale permet une meilleure visibilité du grand nombre de sorties à analyser. Chaque zone délimitée correspond à l'ensemble des motifs extraits pour chaque production (LM app, LM frcph, etc.). Nous avons ajouté aux productions du tableau 3 les lettres de motivation d'apprenants de la première expérience (LM appr).

46Les axes F1 et F2 du graphe sont tracés en proportion avec les plus grandes fréquences de motifs extraits. Ils ont un sen linguistique. Ici, étant donné la pauvreté dans la diversité et la complexité des motifs extraits, ces axes représentent, probablement, l'un les motifs représentant des structures de phrases simples et l'autre les syntagmes nominaux. LM appra et LM appr ne couvrent pas la même zone du graphe, même si elles suivent le même axe F1 : il s'agit ici sans doute d'une spécificité des lettres arabophones dont nous pouvons retrouver les motifs syntaxiques. De même les productions francophones semblent suivre une ordonnée commune. Par contre, chaque type production francophone a l'air bien éloigné de son pendant arabophone ou autre apprenant (LM frcph et LM appra ; LA appra et LA frcph).

47À partir des motifs extraits caractéristiques de chaque zone, il est ensuite aisé de construire un tableau récapitulatif des compétences présentes / absentes et de les spécifier selon le niveau attendu pour chaque unité de DELF.

48Les productions arabophones présentées dans cette expérience s'avèrent nettement trop faibles pour un niveau DELF scolaire 1 (lettre amicale) ou A3 (lettre de motivation).

6. Conclusion

49Utilisé en sciences du langage dans le domaine de l'acquisition en langue étrangère du français écrit, le Littératron est en mesure d'effectuer un diagnostic linguistique de l'apprenant sur des productions au cadre narratif contraignant. En effet, les invariants et diversités syntaxiques extraits témoignent compétences présentes lors du passage à l'écrit de l'apprenant.

50Ainsi, ces applications révèlent clairement :

  1. dans la première expérience :

    • des automatismes morphosyntaxiques propres à un genre textuel, que l'écrivant soit francophone ou natif ;

    • des invariants dans la composition des syntagmes nominaux et verbaux chez les apprenants et les francophones ;

    • une évolution vers la complexification et la diversification dans la composition de ces syntagmes, de l'apprenant débutant au francophone.

  2. dans la deuxième expérience :

    • des compétences non acquises ou en cours d'acquisition lors du passage à l'écrit, démasquées ;

    • des reflets de l'apprentissage de la langue cible et des effets imputables à la langue source.

51Ainsi l'utilisation du Littératron est d'autant plus intéressante que la distance linguistique entre la langue cible et la langue source est grande, comme c'est notamment le cas entre le français et l'arabe.

52À terme, ce travail doit faire l'objet de deux types de développements complémentaires, sur les plans technique et expérimental.

53D'un côté, nous nous sommes limités ici à une décomposition en syntagmes, et à une étude de la structure de la phrase relativement à cette décomposition. Cela restreint assez fortement le type de motifs détectés. Nous allons faire appel à une décomposition plus riche qui prendra en compte la structure propositionnelle. L'algorithme d'extraction de motifs est identique, mais l'analyse syntaxique diffère ; surtout, l'arbre résultant de cette analyse doit être considérablement enrichi.

54D'un autre côté, les résultats obtenus auprès d'étudiants arabophones nous encouragent à poursuivre plus loin l'étude des différences spécifiques auprès d'apprenants venant de différentes régions du monde, et de langues maternelles diverses.

Haut de page

Références

Les liens externes étaient valides à la date de publication.

Les liens externes étaient valides à la date de publication.

Bibliographie

[Besse03]
Besse, J.-M. (dir.) (2003). Qui est illettré ? Décrire et évaluer les difficultés à se servir de l'Écrit. Paris : Retz.

[Carroll97]
Carroll, M. & Stutterheim, Ch. (1997). "Relations entre grammaticalisation et conceptualisation et implications sur l'acquisition d'une langue étrangère". Acquisition et Interaction en Langue Étrangère (AILE), vol. 9. pp. 14-19.

[Ganascia01]
Ganascia, J.-G. (2001). "Extraction automatique de motifs syntaxiques". Actes du colloque Traitement Automatique du Langage Naturel 2001 (TALN 2001). http://www.li.univ-tours.fr/taln-recital-2001/index1.html
Ganascia, J.-G. (2001). "Extraction of Recurrent Patterns from Stratified Ordered Trees". Actes de Machine Learning: 12th European Conference of Machine Learning 2001 (ECML 2001). Freiburg : Springer-Verlag. pp. 167-179.

[Ganascia02]
Ganascia, J.-G. (2002). "Extraction of Syntactical Patterns from Parsing Trees". Actes de Internationale Conference on Textual Data Statistical Analysis.

[Ganascia04]
Ganascia, J.-G. (2004). "Detection of Statistically Abnormal Patterns from Stratified Ordered Trees". In Milutinovic, V. & Vujovic, I. (dir.) (2004). Advances in the Internet Technology, Concepts and Systems.

[Giguet98]
Giguet, E. (1998). Méthode pour l'analyse automatique de structures formelles sur documents multilingues. Thèse de doctorat en informatique, université de Caen. http://users.info.unicaen.fr/~giguet/these/

[Morais01]
Morais, J. & Kolinsky, R. (2001). "The literate mind and the universal human mind". In Dupoux, E. (dir.). Language, brain and cognitive development: Essays in Honour of Jacques Mehler. Cambridge, Mass. : MIT Press. pp. 463-480.

[Tagliante94]
Tagliante, C. (1994). La classe de langue. Paris : CLÉ International.

[Tuffs93]
Tuffs, R., (1993). "A genre approach to writing in the second language classroom: the use of direct mail letters". Revue belge de philologie et d'histoire, vol. 71, 3. pp. 691-721.

[Vergne99]
Vergne, J. (1999). Étude et modélisation de la syntaxe des langues à l'aide de l'ordinateur. Analyse syntaxique non combinatoire. Synthèse et résultats. Habilitation à diriger des recherches, université de Caen. http://users.info.unicaen.fr/~jvergne/#HDR

Logiciels

[AnalyseurVergne98]
Vergne, J. (1998). Analyseur Vergne (1998). GREYC (Groupe de Recherche en Informatique, Image, Instrumentation de Caen), université de Caen. http://www.info.unicaen.fr/~jvergnes

[CordialAnalyseurV8]
Cordial Analyseur (2004). Version 8. Synapse développement : Toulouse. http://www.synapse-fr.com/ Ganascia, J.-G. (2001). Littératron (2001). Université Paris 6 : Paris.

Haut de page

Notes

1 Un syntagme non récursif est un segment intermédiaire, un groupe d'unités syntaxiques intermédiaire entre le mot et la phrase.

2 Un lemme est une unité constituante du lexique ou du mot.

Haut de page

Table des illustrations

Titre Figure 1 – Graphe du centre-étoile présenté en exemple.
URL http://alsic.revues.org/docannexe/image/329/img-1.jpg
Fichier image/jpeg, 32k
Titre Tableau 1 - Tableau récapitulatif des productions et de leur nombre. Les niveaux sont ceux du cadre européen CECR.
URL http://alsic.revues.org/docannexe/image/329/img-2.png
Fichier image/png, 16k
Titre Tableau 2 - Nombre d'étoiles et pourcentage de texte représenté par celles-ci. (francophones : frcph ; apprenants débutants : deb ; apprenants intermédiaires : inter ; apprenants avancés : av).
URL http://alsic.revues.org/docannexe/image/329/img-3.png
Fichier image/png, 13k
Titre Figure 2 – Indice de variabilité en fonction du type de production.
URL http://alsic.revues.org/docannexe/image/329/img-4.jpg
Fichier image/jpeg, 28k
Titre Figure 3 – Analyse en composante principale des sorties du Littératron.
URL http://alsic.revues.org/docannexe/image/329/img-5.jpg
Fichier image/jpeg, 22k
Haut de page

Pour citer cet article

Référence

Isabelle Audras et Jean-Gabriel Ganascia, « Analyses comparatives de productions écrites d'apprenants de français et de locuteurs francophones, à l'aide d'outils d'extraction automatique du langage », Alsic [En ligne], Vol. 8, n° 2 | 2005, document alsic_v08_16-rec10, mis en ligne le 15 novembre 2005, Consulté le 30 avril 2017. URL : http://alsic.revues.org/329 ; DOI : 10.4000/alsic.329

Haut de page

Auteurs

Isabelle Audras

Isabelle Audras est formatrice en français langue étrangère (FLE) et alphabétisation. Elle est actuellement inscrite en thèse en sciences cognitives au Laboratoire d'Informatique de Paris 6 (LIP6) sous la direction de Jean-Gabriel Ganascia, où elle travaille sur l'acquisition du français écrit en se servant d'outils d'extraction automatique du langage.
Courriel : Isabelle.Audras@lip6.fr
Toile : http://www-poleia.lip6.fr/~audras/
Adresse : Laboratoire d'Informatique de Paris 6 (LIP6), 8 rue du Capitaine Scott, 75015 Paris, France.

Articles du même auteur

Jean-Gabriel Ganascia

Jean-Gabriel Ganascia est professeur d'informatique à l'université Pierre et Marie Curie, spécialisé en intelligence artificielle. Chercheur au sein du Laboratoire d'Informatique de Paris 6 (LIP6), il dirige l'équipe ACASA (Acquisition de Connaissances et Apprentissage Symbolique Automatique).
Courriel : Jean-Gabriel.Ganascia@lip6.fr
Toile : http://www-poleia.lip6.fr/~ganascia/
Adresse : Laboratoire d'Informatique de Paris 6 (LIP6), 8 rue du Capitaine Scott, 75015 Paris, France.

Haut de page

Ce texte fait partie des textes de la journée Atala 2005 qui feront l'objet d'un numéro spécial d'Alsic. Date de réception de l'article 1er novembre 2004 ; date d'acceptation, 30 mai 2005.

Droits d'auteur

CC-by-nc-nd

Haut de page