Évaluation de contextes pour l'apprentissage des langues étrangères

Evaluation of contexts for foreign language learning

• Auteur / Autrice : Abdelhak Kelious
• Direction : Mathieu Constant
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 11/01/2022
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
• Partenaire(s) de recherche : Laboratoire : ATILF - Analyse et Traitement Informatique de la Langue Française

Mots clés

Mots clés libres

Traitement automatique des langues

Apprentissage machine

Informatique

Science de la donnée

Apprentissage profond

Deep learning

Computer science

Machine learning

Data science

Natural language processing

Résumé

Cette thèse explore le potentiel des méthodes neuronales d'apprentissage automatique pour concevoir un algorithme amélioré de récupération de vidéos. L'objectif est de fournir aux apprenants des contextes d'apprentissage personnalisés en plusieurs langues, via des plateformes en ligne dédiées à l'apprentissage des langues étrangères. Ces plateformes visent à motiver l'élève sur le long terme en adaptant le contenu à son niveau actuel, ses objectifs et ses centres d'intérêt, tout en intégrant sa culture et son historique d'apprentissage. La thèse aborde également la prédication monolingue et multilingue et examine la capacité des modèles de langue génératifs à ajuster la complexité lexicale des mots en fonction de leur contexte. Elle évalue si ces approches permettent d'optimiser l'engagement et la progression de l'apprenant.

This thesis investigates the potential of neural machine learning methods to develop an enhanced video retrieval algorithm. The goal is to provide learners with personalized learning contexts through online platforms dedicated to foreign language learning. These platforms aim to motivate students over the long term by tailoring content to their current level, goals, and interests, while incorporating their learning culture and history. The thesis also addresses monolingual and multilingual predication and examines the ability of generative language models to adjust the lexical complexity of words based on their context. It assesses whether these approaches can optimize learner engagement and progress across multiple languages.