Modèles Dynamiques Corpus

A majority of language technologies are tailored for a small number of high-resource languages, while relatively many low-resource languages are neglected. One such group, Creole languages, have long been marginalized in academic study, though their speakers could benefit from machine translation (MT). These languages are predominantly used in much of Latin America, Africa and the Caribbean. We present the largest cumulative dataset to date for Creole language MT, including 14.5M unique Creole sentences with parallel translations -- 11.6M of which we release publicly, and the largest bitexts gathered to date for 41 languages -- the first ever for 21. In addition, we provide MT models supporting all 41 Creole languages in 172 translation directions. Given our diverse dataset, we produce a model for Creole language MT exposed to more genre diversity than ever before, which outperforms a genre-specific Creole MT model on its own benchmark for 26 of 34 translation directions.

peer reviewed

Cet article se donne pour objectif d’étudier la morphologie des verbes du créole guadeloupéen et de montrer qu’elle est plus complexe que ce que l’on admet traditionnellement. A partir d’un lexique authentique de plus de 10 000 entrées, et dans le cadre de la morphologie lexématique, nous montrons que les verbes guadeloupéens présentent une morphologie riche et complexe, nous conduisant à postuler un espace thématique à deux thèmes. Ces deux thèmes sont nécessaires pour rendre compte de la morphologie constructionnelle : l’un d’eux permet de construire les dérivés par suffixation, tandis que l’autre sert à la formation des dérivés par préfixation, conversion et composition. Nous montrons également que ces thèmes servent à former la forme fléchie par défaut du verbe, ainsi que des formes en -an que nous avons observées, bien que le statut de ces formes ne soit pas encore définitivement établi.

Cette recherche pluridisciplinaire vise à analyser la représentation de la dynamique urbaine dans les textes du domaine de l’urbanisme. Elle se concentre sur les données textuelles et s’intéresse au langage que les auteurs de textes utilisent pour parler des projets d’aménagement urbain. Deux corpus sont étudiés : le corpus du Grand Paris (GP) composé de textes portant sur le projet du Grand Paris et le corpus Grand Prix de l’Urbanisme (GPU) comprenant une sélection de discours des lauréats de ce prix parmi tous les discours publiés depuis le lancement de ce prix en 1989 jusqu’à aujourd’hui. Sa méthodologie est fondée sur l’analyse outillée des données et les techniques du TAL. Cet article décrit une démarche choisie pour constituer les données annotées, présente les premières observations sur la représentation de la dynamique urbaine dans les textes étudiés grâce à l’analyse des données annotées d’une manière quantitative et qualitative ainsi que propose le développement d’un module de reconnaissance automatique de la dynamique urbaine et ses caractéristiques.

Dans cette contribution, je m’intéresse à la typologie des contextes de liaison en français et à son évolution au fil des avancées scientifiques. À l’aide d’un corpus de chants de tradition orale nouvellement constitué, j’effectue une analyse qualitative dans laquelle je m’interroge sur ces données additionnelles, en cherchant à savoir si la typologie de la liaison s’en trouve une fois de plus modifiée.

1. Le contexte universitaire comme lieu de production d’écrits en L2Ce numéro est consacré à la place de l’écrit en langue seconde (dorénavant L2) dans des contextes universitaires. Il répond à la volonté de valoriser des recherches actuelles portant sur des corpus d’apprenants de L2, dans une diversité d’approches et de méthodologies.L’attention portée aux contextes universitaires se justifie par les spécificités et les défis qu’ils représentent s’agissant de l’écrit en L2. L’intégration à ...

L’article propose de s’interroger sur la fonction didactique et éducative des comptes rendus de séances parlementaires parus dans le Moniteur universel dans le contexte général de la « révolution médiatique » (Popkin 2011) que connait la France à partir de 1789. Les journaux, pendant cette période, contribuent à l’éducation à la citoyenneté du peuple français. L’hypothèse que nous formulons ici est que les comptes rendus des débats parlementaires, publiés dans ce journal, participent à la formation du citoyen : en effet, dans ces textes, la représentation des débats politiques ne peut être dissociée d’un guidage de la lecture pour des citoyens novices, découvrant à travers ces écrits une pratique politique nouvelle. Genre de discours « adressé », le compte rendu de débats parlementaires s’adapte à ce nouveau lectorat et donne à comprendre la représentation des échanges politiques à l’Assemblée. L’objectif plus spécifique de l’article est de montrer que parmi toutes les formes de guidage textuel, le choix des formes de représentation de discours autre, ainsi que leur agencement contribuent à mettre en sens la représentation des échanges à l’Assemblée.

L’étude présente un dispositif dédié à l’enseignement de l’orthographe, Projet écri+ , à destination d’étudiants en difficulté. Elle vise à évaluer sa spécificité en termes d’objectifs, de méthodes et de contenus, pour mesurer jusqu’à quel point ceux-ci intègrent la particularité du public visé, et jusqu’à quel point ils transposent les acquis de la didactique de l’orthographe conçus pour d’autres publics. Sont notamment interrogés la façon dont les compétences des apprenants sont mobilisées, ainsi que l’analyse de la conjugaison des verbes qui est proposée.

International audience

HAL is a multi-disciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L'archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d'enseignement et de recherche français ou étrangers, des laboratoires publics ou privés. Revue pluridisciplinaire d'études médiévales Journée d'étude 1 -Trier, classer, organiser | 2022