Classification des catégories grammaticales sur deux corpus longitudinaux d’enfants

Andrea Briglia (1, 2) , J. Sauvage (2) , Giovanni Pirrotta (1) , Massimo Mucciardi (1)

1 University of Messina
2 UPVM - Université Paul-Valéry - Montpellier 3

Cet article analyse deux suivis longitudinaux de deux enfants du projet CoLaJE: une annotation automatique des parties du discours a été appliquée à chaque énoncé (15'000 en total) en adoptant le standard des « Universal Dependencies » comme référence et « stanza », un librairie Python, comme outil d’analyse. L’âge et le taux d’erreur ont servi comme base pour la création de neuf strata: réduire la dimension du corpus nous permet de rendre intérpretables les groupements crées avec une méthode non-supervisée, EM clustering. Regrouper en clusters les énoncés des enfants annotés en parties du discours aide à mieux cibler le développement des catégories grammaticales au cours du temps: deux exemples concernants le développement de la cohérence morphosintaxique sont proposés, ainsi que deux exemples concernants l’évolution de la relation entre l’usage de pronoms et des noms. Une discussion finale des résultats et des limites de cette recherche est ensuite proposée..

Mots clés: linguistique de corpus; acquisition du français langue première; syntaxe; TAL; méthode EM clustering

Domaines: Informatique et langage [cs.CL]

Andrea Briglia, J. Sauvage, Giovanni Pirrotta, Massimo Mucciardi. Classification des catégories grammaticales sur deux corpus longitudinaux d’enfants. 2èmes journées scientifiques du Groupement de Recherche Linguistique Informatique Formelle et de Terrain (LIFT), 2020, Montrouge, France. pp.28-38. ⟨hal-03047149⟩