Search

International audience; In this article, we focus on the design of a second language (L2) formative feedback system that provides linguistic complexity graph reports on the writings of English for special purposes students at the university level. The system is evaluated in light of formative instruction features pointed out in the literature. The significance of complexity metrics is also evaluated. A learner corpus of English classified according to the Common European Framework of References for Languages (CEFR) was processed using a pipeline that computes 83 complexity metrics. By way of analysis of variance (ANOVA) testing, multinomial logistic regression, and clustering methods, we identified and validated a set of nine significant metrics in terms of proficiency levels. Validation with classification gave 67.51% (A level), 60.16% (B level), and 60.47% (C level) balanced accuracy. Clustering showed between 53.10% and 67.37% homogeneity, depending on the level. As a result, these metrics were used to create graphical reports about the linguistic complexity of learner writing. These reports are designed to help language teachers diagnose their students’ writings in comparison with prerecorded cohorts of different proficiencies.

International audience

International audience; Les étudiants de LANgues pour Spécialistes d'Autres Disciplines (LANSAD) arrivent à l’université avec des niveaux très hétérogènes. Ils sont inscrits dans des parcours d’étude spécialisés laissant peu de place à l’apprentissage de leur langue étrangère. Dans ce contexte, des stratégies de regroupement par niveau sont mises en œuvre par les centres de langues afin d’ajuster les contenus en fonction des profils d’étudiants. Cependant, si l'approche par groupe permet une adaptation par profils, elle ne permet pas une individualisation nécessaire des enseignements. Individualiser les enseignements implique notamment de mettre les apprenants en situation de production le plus fréquemment possible. Cela permet aux enseignants de les renseigner sur leur progression et de leur fournir des recommandations. Or les volumes horaires et les effectifs ne permettent pas aux enseignants d’offrir des corrections individualisées répétitives et systématiques. Au cours de leurs semestres, les étudiants ne sont pas en mesure d’effectuer suffisamment d’expressions écrites qui soient accompagnées de retours qualitatifs rapides et précis (Li & Vuono, 2019; Shute, 2008). Les étudiants se trouvent projetés dans un système d’évaluations purement sommatives au détriment d’une évaluation formative, pourtant davantage gage de motivation. Ils n’arrivent donc pas à objectiver leur progression.Notre question de recherche porte donc sur l’exploitation de mesures textuelles permettant des comparaisons visuelles entre apprenants classés en fonction des niveaux du Cadre Européen Commun de Référence en Langues (CECR) (Conseil de l’Europe, 2018). A partir d’un corpus de 274 textes écrits par des apprenants LANSAD et annotés en niveaux CECR, on constitue un jeu de données étalon. Les données textuelles sont enrichies par annotation automatique (syntaxique et lexicale) (Manning et al., 2014) avant d’être formatées pour calculer des indicateurs de richesse linguistique (Benoit et al., 2018; Lu, 2010). A l’aide de méthodes statistiques (ANOVA et regression logistique), ces données sont modélisées en fonction des niveaux CECR. Le test de Fisher permet d’identifier les indicateurs les plus significatifs (p-value

International audience; Créer les conditions qui favorisent l'engagement cognitif, la persévérance et la réussite des étudiantsdemeure un défi de l'enseignement supérieur (Miller et al., 1996 ; Pirot et De Ketele, 2000 ; Bowden etal., 2019). Le rôle de l'enseignant consiste, entre autres, à aider l'étudiant à interagir avec le contenuet à créer ses propres connaissances.Nous nous intéressons au projet VisLinguistique, lauréat l'AMI 2018 DUNE-DESIR[1]. Il s'agit d'uneexpérimentation en cours à l'université de X avec des étudiants d'anglais non spécialistes. Du fait desressources limitées en encadrement dans les centres de langue, les étudiants se voient proposer unnombre limité de tâches écrites de type formatif. Cela induit un biais d'égalité au regard d'étudiantspouvant compenser ces lacunes sur ressources propres. Le projet propose un système de diagnosticslinguistiques automatisés avec retour quasi-immédiat sur le niveau de performance. Au plan del'enseignement, il s'agit de « bénéficier de l'automatisation des procédures pour multiplier lesévaluations formatives et accompagner les étudiants dans l'analyse de leurs productions. Ce systèmevise au développement d'une réflexivité sur les apprentissages » (Ballier, et al., 2019). En quoil'utilisation de ce dispositif et de ces ressources pédagogiques spécifiques peut-elle stimulerl'engagement cognitif de l'étudiant ? Cette utilisation, peut-elle suffire pour établir une égalité « deschances » qui entraîne idéalement une « égalité des places » (Dubet, 2011) ? Nous analysons leprocessus d'accompagnement via une approche qualitative (Yin, 2009). Notre travail sera étayé parune analyse de contenu (Bardin, 2013) fondée sur des données recueillies en séries temporelles(Kendal et Ord, 1993) et d'entretiens avec l'enseignant et les étudiants. Cela nous permettra decomprendre l'impact de ce dispositif sur l'engagement, la réussite et « l'égalité des places ».

International audience; This paper presents the design of a Language for Specific Pur-poses(LSP) Corpus and its exploitation as a source for real-time visuali-sation of linguistic complexity in learner writings. The corpus is provided with a Natural Language Processing (NLP) tool, called VizLing, used to compute and visualise complexity metrics. The resulting data set is made up of learner writings, metadata and complexity metrics.; Les enseignements LANSAD à l’université varient qualitativement. Du fait de facteurs structurels—tels que de larges effectifs, des volumes horaires annuels minimalistes et la dépendance à des statuts précaires—les équipes pédagogiques parfois peu pérennes sont difficilement en mesure d’organiser les étudiants en cohortes autour de programmes pluriannuels aux objectifs détaillés et cohérents. Ces difficultés se retrouvent notamment dans les objectifs linguistiques. Ceux-ci sont en général définis de manière individuelle et au regard de contenus propres à chaque groupe. Cela favorise des approches adaptées aux groupes mais manquant de perspective globale concernant les étapes linguistiques à franchir dans l’apprentissage d’une langue de spécialité. Il conviendrait d’élaborer des programmes incluant des objectifs linguistiques par niveau et domaine spécialisé (Petit, 2010). Une méthode pourrait reposer sur l’exploitation de corpus d’apprenants (Granger, 1994).Cet article vise à décrire un corpus LANSAD recueilli à l’université de X auprès de publics scientifiques dans des domaines allant des sciences informatiques aux sciences de la santé, en L2 anglais, espagnol et allemand. Il contient 398 textes écrits descriptifs et argumentatifs (82 594 tokens) s’articulant autour d’une tâche unique. Grâce à une interface MOODLE, les métadonnées recueillies comprennent notamment des données comportementales et le niveau CECRL obtenu au DIALANG (Alderson & Huhta, 2005). En outre, les textes anglais sont annotés en niveaux CECRL par deux experts. Un test d’accord inter-annotateur a révélé une homogénéité satisfaisante (weighted Kappa = 0.71, n=50). Ce corpus permet l’analyse linguistique de la langue et la mise en évidence de traits linguistiques corrélés aux niveaux d’apprenants (Hawkins & Filipović, 2012). Dans le cadre du LANSAD, son usage permet d’établir une cartographie des traits en fonction des domaines spécialisés, et par la même de formaliser des stades d’interlangue par domaine. De véritables programmes linguistiques LANSAD pourraient voir le jour grâce à des approches ‘corpus driven’ (Boulton, 2017).