Modèles adaptatifs pour prédire automatiquement la compétence lexicale d'un apprenant de français langue étrangère

Anaïs Tack (1) , Thomas François (2) , Anne-Laure Ligozat (1) , Cédrick Fairon (3)

1 LIMSI - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur
2 iSTeP - Institut des Sciences de la Terre de Paris
3 Centre de Traitement Automatique du Langage

This study examines the use of supervised incremental machine learning techniques to automatically predict the lexical competence of French as a foreign language learners (FFL). The targeted learners are native speakers of Dutch having attained the A2/B1 proficiency level according to the Common European Framework of Reference for Languages (CEFR). Following recent work on lexical proficiency prediction using complexity indices, we elaborate two types of models that adapt to feedback disclosing the learners’ knowledge. In particular, we define (i) a model that predicts the lexical competence of learners having the same proficiency level and (ii) a model that predicts the lexical competence of one particular learner. The obtained models are then evaluated with respect to a baseline model, which predicts the lexical competence based on a specialised lexicon for FFL, and appear to gain significantly in accuracy (9%-17%).

Cette étude examine l'utilisation de méthodes d'apprentissage incrémental supervisé afin de prédire la compétence lexicale d'apprenants de français langue étrangère (FLE). Les apprenants ciblés sont des néerlandophones ayant un niveau A2/B1 selon le Cadre européen commun de référence pour les langues (CECR). À l'instar des travaux récents portant sur la prédiction de la maîtrise lexicale à l'aide d'indices de complexité, nous élaborons deux types de modèles qui s'adaptent en fonction d'un retour d'expérience, révélant les connaissances de l'apprenant. En particulier, nous définissons (i) un modèle qui prédit la compétence lexicale de tous les apprenants du même niveau de maîtrise et (ii) un modèle qui prédit la compétence lexicale d'un apprenant individuel. Les modèles obtenus sont ensuite évalués par rapport à un modèle de référence déterminant la compétence lexicale à partir d'un lexique spécialisé pour le FLE et s'avèrent gagner significativement en exactitude (9%-17%).

Mots clés: FFL; lexical prediction; adaptive models; incremental learning

Mots clés: FLE; prédiction lexicale; modèles adaptatifs; apprentissage incrémental

Domaines: Informatique et langage [cs.CL]

Anaïs Tack, Thomas François, Anne-Laure Ligozat, Cédrick Fairon. Modèles adaptatifs pour prédire automatiquement la compétence lexicale d'un apprenant de français langue étrangère. JEP-TALN-RECITAL 2016, Jan 2016, Paris, France. ⟨hal-01631772⟩