Modélisation et interprétation des catégories taxonomiques des animaux et aliments chez des enfants d'âge préscolaire

Jeanne Villaneau (1) , Farida Saïd (2) , Amel Achour (3)

1 EXPRESSION - Expressiveness in Human Centered Data/Media
2 LMBA - Laboratoire de Mathématiques de Bretagne Atlantique
3 Meritis

Les travaux présentés ont pour objectif l'étude et la simulation de la cognition chez les enfants d'âge pré-scolaire. Deux domaines ont été spécifique-ment étudiés, choisis pour l'importance relative du lexique acquis par les enfants de cet âge : animaux et aliments. Un tri libre auprès d'un groupe d'enfants a permis la collecte des données et les critères saillants (biologiques, perceptuels, etc.) ont été sélectionnés à partir de leurs verbalisations. Cartes de Kohonen et Fuzzy Clustering sont deux ap-proches complémentaires qui permettent ensuite d'appréhender la complexité de la tâche de catégorisation, un enrichissement progressif des taxonomies ob-tenues et une prédiction des réactions probables des enfants face à un nouvel animal ou aliment. Les perspectives d'élargissement de cette expérimentation sont riches, tant dans le domaine de l'IA qu'en psycho ou sociolinguistique : développements cognitifs comparés, étude des stéréotypes, etc.

Domaines: Machine Learning [stat.ML]; Informatique; Psychologie

Jeanne Villaneau, Farida Saïd, Amel Achour. Modélisation et interprétation des catégories taxonomiques des animaux et aliments chez des enfants d'âge préscolaire. Extraction et Gestion des connaissances (EGC), Jan 2020, Bruxelles, Belgique. pp.245-252. ⟨hal-02469861⟩