MétaCan
Menu
Back to cohort

Transfert d’apprentissage sensorimoteur et développement des unités de parole

2019· dissertation· fr· W2948921750 on OpenAlexfundno aff
Tiphaine Caudrelier

Bibliographic record

Venuenot available
Typedissertation
Languagefr
FieldSocial Sciences
TopicFrench Language Learning Methods
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Le contrôle moteur a traditionnellement été étudié séparément des autres processus cognitifs qui sous-tendent la parole, dans la lignée de théories de la cognition présentant le cerveau comme un ensemble de modules relativement indépendants (Fodor & Pylyshyn, 2007). Cependant les recherches autour de la cognition incarnée (Varela, Thompson, & Rosch, 1991) et située (Barsalou, 2008), ainsi que des systèmes dynamiques (Smith & Thelen, 2003), menées ces trois dernières décennies soulignent que la cognition ne peut pas être considérée séparément d’un corps et de son environnement. Ce cadre constitue une source d’inspiration pour cette thèse et une motivation pour étudier les processus sensorimoteurs de la parole en lien avec les autres processus cognitifs.La parole peut-être décomposée en séquence d’unités linguistiques structurées sous forme d’une hiérarchie. Nous soutenons que ces unités sont ancrées dans des représentations sensorimotrices, associant une structure linguistique avec des informations perceptives et motrices. Ces unités correspondent-elles à des mots ? Des syllabes ? Des phonèmes ? Pour sonder les représentations assurant l’articulation de la parole, nous proposons d’utiliser un paradigme d’apprentissage auditorimoteur basé sur la perturbation du retour auditif (Caudrelier & Rochet-Capellan, accepté). Ce paradigme permet de modifier chez un locuteur des représentations sensorimotrices spécifiques, les représentations qui sous-tendent la production d’un item d’entrainement, par exemple un mot. Nous faisons ainsi l’hypothèse que si cette modification affecte la prononciation d’un autre mot, cela veut dire que la production de ce mot s’appuie sur une partie de ces représentations. Ainsi, l’observation du transfert d’apprentissage permet de révéler la structure de représentations qui assurent la production de parole.Une première étude chez l’adulte montre que le transfert d’apprentissage auditorimoteur a lieu à la fois aux niveaux du phonème, de la syllabe et du mot (Caudrelier, Schwartz, Perrier, Gerber, & Rochet-Capellan, 2018). Ces observations suggèrent que ces unités co-contribuent à l’articulation de la parole chez l’adulte. Les résultats sont mis en perspective par rapport aux théories et modèles de production de parole. Une 2ème expérience suggère que la modalité de présentation du stimulus (un mot à lire ou une image à dénommer) peut influencer le transfert d’apprentissage auditorimoteur (Caudrelier, Perrier, Schwartz, & Rochet-Capellan, 2018). Une 3ème étude chez des enfants de 4-5 ans et de 7-8 ans montre que les représentations du phonème émergent avant l’acquisition de la lecture (Caudrelier et al., en révision). De plus, un lien entre adaptation à la perturbation auditive et conscience phonologique est mis en évidence dans les deux groupes d’âge. Le potentiel caractère prédictif ou causal de ce lien est discuté.En conclusion, cette thèse exploite un outil original et productif pour explorer les représentations de la parole et étudier leur développement. Ce travail pourrait avoir des implications cliniques, pour la rééducation de la parole, et pour la dyslexie développementale. Il met en évidence des liens entre les niveaux sensorimoteurs, linguistiques et contextuels qui questionnent la nature des représentations qui sous-tendent la parole.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.467
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0010.000
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0090.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.043
GPT teacher head0.369
Teacher spread0.327 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designQualitative
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same topicFrench Language Learning MethodsFrench-language works237,207