Détection automatique et analyse d'erreurs de reprise dans les rédactions étudiantes

Automatic detection and Analysis of Anaphoric reference errors in Students Essays

• Auteur / Autrice : Vanessa Gaudray bouju
• Direction : Iris Eshkol
• Type : Projet de thèse
• Discipline(s) : Sciences du langage : traitement automatique des langues
• Date : Inscription en doctorat le 10/10/2023
• Etablissement(s) : Paris 10
• Ecole(s) doctorale(s) : École doctorale Connaissance, langage, modélisation (Nanterre, Hauts-de-Seine ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire MoDyCo (Nanterre)

Mots clés

Mots clés libres

Reprise

Rédactions étudiantes

Écri+

Tal

Erreur

Anaphoric reference

Students essays

Écri+

Nlp

Error

Résumé

Ce projet de thèse s'inscrit dans le programme ANR écri+, qui aide les étudiants à développer leurs compétences en français écrit. Dans la continuité des travaux déjà menés dans le cadre du programme, la thèse entend améliorer un outil de détection d'erreurs en se concentrant sur un aspect particulier de la langue : les reprises. En se basant sur un corpus de rédactions étudiantes contemporaines, une analyse en typologie des erreurs de reprise pourra être menée afin de développer un outil de détection de ces fautes à l'aide du traitement automatique du langage. Cet outil, à visée didactique, sera capable de repérer et de typer automatiquement ces erreurs, ce qui aidera les étudiants à pouvoir s'auto-corriger.

This PhD thesis project falls under the umbrella of the ANR écri+ program, which is designed to help students sharpen their skills in written French. Building on previous research within this program, with this work we aim to improve an existing error-detection tool by focusing on a specific aspect of language: anaphoric references. Drawing on a corpus of contemporary students essays, we may perform a typological analysis of such reference errors to develop a tool that takes advantage of Natural Language Processing to detect those mistakes. Designed with pedagogical goals in mind, this tool will be able to detect and classify those errors on the fly, thus enabling students to self-correct more efficiently.