Visualising linguistic complexity in learner writings
DESCRIPTION
Soutenu par le programme DUNE DESIR des universités de Rennes. En partenariat avec le Service Commun des Langues Vivantes Appliquées de l’université de Rennes 1.
Le projet VizLing est un logiciel de visualisation de métriques de complexité lexicale et syntaxiques dans les textes d’apprenants d’anglais. Les individus sont comparés à des statistiques de groupe des 6 niveaux du CECRL.
Coordinateur (PI) : Thomas Gaillat
Membres de l’équipe : Rana Challah et Claude Hamon (Université de Rennes 2), Anas Knefati (ENSAI & Datatank), Antoine Lafontaine (Université de Rennes 1 & Datatank)
English description:
Visualisation_linguistique is a R program to compute and visualise linguistic profiles extracted from texts written by learners of English. Learner-specific Key Performance Indicators (KPI) are computed and displayed in the form of graphical information. Comparisons with CEFR control groups are possible.
ENJEUX
Les centres de langues doivent se doter d’outils d’expertise de la langue. Il s’agit de pouvoir fournir aux enseignants des outils d’analyse permettant une prise en charge rapide et homogène des écrits par différents enseignants. Il est nécessaire de doter les équipes pédagogiques d’outils d’aide à la décision pour le placement dans les niveaux pertinents, par exemple, ou encore de développer des outils d’aides à l’auto-évaluation. D’autre part il s’agit de mieux connaître les profils et niveaux d’étudiants du point de vue socio-éducatif.
Les enseignants doivent constamment adapter leur pédagogie aux étudiants. Pour ce faire il doivent connaître les profils de leurs étudiants de manière à appréhender les spécificités de l’interlangue (Selinker 1972) de chaque individu. L’enjeu est donc d’avoir des méthodes permettant des diagnostics rapides pour traiter de larges quantités de données écrites. La perspective de moyen terme est de modéliser l’individualisation des parcours de formation à partir des grands types de profils repérés. La création de profils d’apprenants permettra de mieux cibler des modules de formation nécessaires.
Les étudiants doivent acquérir de l’autonomie dans leurs apprentissages. Ils doivent s’émanciper du sérail de l’évaluation par la note et adhérer à une vision de la progression fondée sur un entraînement régulier sans évaluation sommative systématique. Il leur faut trouver la motivation pour écrire régulièrement et suffisamment afin d’observer leur progression.
LIVRABLES
- L.0.1 Interface Base de données MOODLE pour la constitution et collecte d’un corpus
- L.3.1 Jeu de données: représentation multidimensionnelle des textes annotés comprenant métriques de complexités.
- L.4.1 Scripts R pour pour calcul des métriques et visualisation des traits sémantiques et syntaxiques
Gaillat, Thomas, Pascale Janvier, Bénédicte Dumont, Antoine Lafontaine, and Anas Knefati. 2019. “Le Corpus d’Étude Des Langues Vivantes Appliquées à Une Spécialité (CELVA.Sp) Source de Visualisations Linguistiques.” In . https://hal.univ-rennes2.fr/hal-02496713.
Gaillat, Thomas, and Nicolas Ballier. 2019. “Investigating the Scope of Textual Metrics for Learner Level Discrimination and Learner Analytics.” 5th Learner Corpus Research Conference –. Warsaw, Poland: Learner Corpus Association.
Ballier, Nicolas, Thomas Gaillat, and Erin Pacquetet. 2019. “Prototype de Feedback Visuel Des Productions Écrites d’apprenants Francophones de l’anglais Sous Moodle.” In Environnements Informatiques Pour l’Apprentissage Humain (EIAH’19). Actes EIAH 2019. Paris, France: University of Paris Sorbonne. https://hal.univ-rennes2.fr/hal-02496651.