Alafate Abulimiti

Docteurs récents

Statut : Doctorant

Adresse :

LLF, CNRS – UMR 7110
Université de Paris
Case 7031 – 5, rue Thomas Mann,
75205 Paris cedex 13

E-mail : nynsngr.nohyvzvgv@tznvy.pbz

Thèse

Titre : Le rôle des stratégies socioconversationnelles dans les dialogues orientés vers la tâche dans le cas des interactions de tutorat entre pairs : Zoom sur les échanges hors tâche et les hedges

Directeur :
  Jonathan Ginzburg

Date de soutenance : 2023-12-14

Inscription : 2020 à Université Paris-Cité

Jury :

  • Prof. Justine Cassell (INRIA Paris, Carnegie Mellon University) — Directrice de thèse
  • Prof. Chloé Clavel (LTCI, Institut Polytechnique de Paris, Telecom Paris) — Co-directrice de thèse
  • Prof. Magalie Ochs (LIS UMR 7020 CNRS / AMU / UTLN) — Rapporteur
  • Prof. Laurent Prevot (CNRS, AMU) — Rapporteur
  • Prof. Gaël Guibon (Université de Lorraine, LORIA) — Examinateur
  • Prof. Salvador MASCARENHAS (Ecole Normale Supérieure) — Examinateur

Résumé :

Cette thèse explore la manière dont le langage social améliore l’apprentissage dans les conversations de tutorat entre adolescents. Elle se concentre sur deux phénomènes conversationnels clés : les conversations hors tâche et les hedges. Les discussions hors tâche font référence aux apartés occasionnels sur des sujets aléatoires pendant le tutorat. Bien que temporairement distrayants, cette thèse montre que les échanges hors tâche pourraient améliorer l’apprentissage des adolescents. Grâce à l’apprentissage automatique, des modèles performants ont été mis au point pour détecter automatiquement les échanges hors tâche. Un modèle informatique représente la manière dont le déclenchement opportuniste d’échanges hors tâche peut équilibrer les objectifs pédagogiques et la connivence. Le hedge consiste à adoucir le discours pour éviter l’embarras ou la gêne. Un hedge appropriée rend le retour d’information directif plus doux. Cette thèse expose les limites du modèle de langage moderne pour les compétences sociales nuancées telles que le hedge. De nouvelles techniques, y compris le reclassement des résultats du modèle, ont été validées pour améliorer les capacités de génération de hedges. L’analyse des caractéristiques des modèles de prédiction de hedges a fourni des informations sur les facteurs contextuels, tels que les modèles de regard, qui influencent l’utilisation des hedges par l’homme. Dans l’ensemble, les avancées analytiques et techniques permettent de mieux comprendre comment le langage social façonne subtilement l’interaction productive du tutorat.