Le repérage automatique des entités nommées dans la langue arabe : vers la création d'un système à base de règles

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Langue de travail de la population immigrée recensée en 2006 dans la RMR de Montréal

La langue de travail s’avère être un des principaux indicateurs de la langue d’usage publique et de l’intégration linguistique des immigrants. Au Québec, et plus particulièrement dans la RMR de Montréal, les pressions démographiques ainsi que celles posées par le statut de la langue anglaise, la mondialisation et l’utilisation de la technologie entraînent une ambiguïté quant à la nécessité de l’utilisation du français au travail. Or, cette étude porte sur la langue de travail de la population immigrante qui travaille dans la RMR de Montréal. Les analyses effectuées permettent de dresser un portrait de la langue de travail des immigrants en 2006, avec, par la suite, une mise en évidence des variables associées aux choix linguistiques des immigrants sur le marché du travail et ce, à l’aide de données tirées du recensement canadien de 2006. Les analyses descriptives réalisées démontrent que la scolarité, le pays de provenance, le contexte social québécois au moment de l’immigration et les variables linguistiques des immigrants sont les variables les plus fortement liées à l’utilisation du français, de l’anglais ou du bilinguisme au travail en 2006. Ces mêmes variables, dans les analyses explicatives, se révèlent également être les facteurs les plus fortement associés aux choix linguistiques des immigrants sur le marché du travail de la RMR de Montréal. Enfin, une étude comme celle-ci permet de constater la situation de la langue de travail chez les immigrants et, si nécessaire, de suggérer des changements aux politiques et règlements encadrant l’immigration et l’intégration linguistiques des immigrants.

Difficultés d’ordre grammatical rencontrées chez les immigrants adultes allophones dans l’apprentissage du français langue seconde

La présente étude vise à identifier et classer les difficultés d’ordre grammatical rencontrées chez les immigrants adultes allophones dans l’apprentissage du français langue seconde. Nous avons d’une part analysé les examens finaux de 98 apprenants inscrits dans les cours de francisation à l’Université de Montréal afin de décrire leurs erreurs grammaticales fréquentes commises. Nous avons décrit les erreurs grammaticales fréquentes produites par les apprenants de chaque niveau de francisation d’une manière précise afin que les apprenants puissent bien éviter l’usage de formes erronées et bien développer des compétences linguistiques en français langue seconde. D’autre part, nous avons collecté les opinions personnelles de cinq professeurs principaux de francisation à l’égard de l’importance de l’enseignement de la grammaire dans les cours de langue seconde, du traitement des erreurs grammaticales, et de la persistance des erreurs à travers différents niveaux, etc. En précisant les points grammaticaux à apprendre de chaque niveau de francisation et en fusionnant les résultats des apprenants et des professeurs, nous pouvons offrir aux apprenants adultes allophones des tableaux simples des points grammaticaux et des erreurs grammaticales correspondantes de chaque niveau. Ces derniers pourraient les exploiter pour favoriser la maîtrise du français langue seconde ainsi leur intégration à la société québécoise.

Traduction statistique vers une langue à morphologie riche : combinaison d’algorithmes de segmentation morphologique et de modèles statistiques de traduction automatique

Les systèmes statistiques de traduction automatique ont pour tâche la traduction d’une langue source vers une langue cible. Dans la plupart des systèmes de traduction de référence, l'unité de base considérée dans l'analyse textuelle est la forme telle qu’observée dans un texte. Une telle conception permet d’obtenir une bonne performance quand il s'agit de traduire entre deux langues morphologiquement pauvres. Toutefois, ceci n'est plus vrai lorsqu’il s’agit de traduire vers une langue morphologiquement riche (ou complexe). Le but de notre travail est de développer un système statistique de traduction automatique comme solution pour relever les défis soulevés par la complexité morphologique. Dans ce mémoire, nous examinons, dans un premier temps, un certain nombre de méthodes considérées comme des extensions aux systèmes de traduction traditionnels et nous évaluons leurs performances. Cette évaluation est faite par rapport aux systèmes à l’état de l’art (système de référence) et ceci dans des tâches de traduction anglais-inuktitut et anglais-finnois. Nous développons ensuite un nouvel algorithme de segmentation qui prend en compte les informations provenant de la paire de langues objet de la traduction. Cet algorithme de segmentation est ensuite intégré dans le modèle de traduction à base d’unités lexicales « Phrase-Based Models » pour former notre système de traduction à base de séquences de segments. Enfin, nous combinons le système obtenu avec des algorithmes de post-traitement pour obtenir un système de traduction complet. Les résultats des expériences réalisées dans ce mémoire montrent que le système de traduction à base de séquences de segments proposé permet d’obtenir des améliorations significatives au niveau de la qualité de la traduction en terme de le métrique d’évaluation BLEU (Papineni et al., 2002) et qui sert à évaluer. Plus particulièrement, notre approche de segmentation réussie à améliorer légèrement la qualité de la traduction par rapport au système de référence et une amélioration significative de la qualité de la traduction est observée par rapport aux techniques de prétraitement de base (baseline).

Bilgamesh, un ballet-opéra en deux actes. Symbiose d’un genre oublié, une mythologie archaïque et une langue morte

La version intégrale de cette thèse est disponible uniquement pour consultation individuelle à la Bibliothèque de musique de l’Université de Montréal (www.bib.umontreal.ca/MU).

Effets des apprentissages de la langue écrite effectués par la typologie textuelle dans l’apprentissage multilingue (le coréen, l’anglais et le français) chez l’apprenant coréen

On s’accorde aujourd’hui sur la nécessité de la dimension textuelle dans l’enseignement de la langue écrite. L’objectif de notre recherche est de mettre à l’essai une démarche pédagogique visant à enseigner la compréhension/expression écrite en prenant appui sur la typologie textuelle et en adoptant une approche stratégique. Compte tenu que les Coréens apprennent le français comme deuxième langue étrangère après l’apprentissage de l’anglais, nous menons notre recherche dans un contexte d’apprentissage multilingue (le coréen, le français et l’anglais). Nous effectuons notre recherche à Montréal. Nous sélectionnons vingt- et-un apprenants coréens âgés de 14 à 15 ans en passant des entrevues sur les caractéristiques de leurs expériences scolaires et leurs apprentissages des langues. Ils possèdent tous un bagage éducatif solide en anglais mais leurs niveaux de français sont variés (i.e. sept sujets débutants, sept intermédiaires et sept avancés). Notre recherche se base sur trois expérimentations. Dans la première, nous nous intéressons notamment au rôle de la typologie textuelle auprès des débutants, dont les caractéristiques sont représentatives des apprenants coréens qui sont grammaticalement et lexicalement faibles en français. Nous mobilisons les connaissances textuelles par le biais des textes en anglais puis nous mesurons si les participants peuvent les utiliser dans les textes en français. Nous vérifions cette utilisation en comparant les résultats de la perception du fonctionnement de l’écrit en français avant et après la mobilisation des connaissances textuelles. Les donnés empiriques révèlent que les apprenants coréens qui n’ont pas encore maîtrisé les compétences de base réussissent à percevoir le fonctionnement de l’écrit en français grâce à leurs connaissances textuelles préalablement mobilisées en anglais.Dans notre deuxième expérimentation, nous examinons l’effet de l’enseignement de la typologie textuelle sur la lecture stratégique dans l’apprentissage multilingue. Nous offrons le cours de lecture stratégique avec un texte en français et examinons l’effet de cette pratique. En comparant les résultats de la compréhension avant et après le cours, nous vérifions que le cours de lecture stratégique est efficace non seulement sur la perception du fonctionnement de l’écrit, mais également sur l’apprentissage de la grammaire et du vocabulaire. Nous vérifions également l’influence translinguistique du français vers l’anglais. Dans la troisième expérimentation, nous examinons l’effet de l’enseignement de la typologie textuelle sur le processus de production écrite en français. Nous recueillons les productions des participants avant et après le cours de l’écriture. Nous les analysons avec les mêmes grilles de codage concernant la forme typologique et le sens culturel. Nous observons que les scripteurs qui ont l’occasion de mobiliser explicitement leurs connaissances textuelles peuvent obtenir des performances plus élevées concernant la forme typologique ainsi que le sens culturel après le processus de production. Nous en concluons que la didactique effectuée à partir de la typologie textuelle a toute sa pertinence dans l’apprentissage multilingue et que l’approche stratégique peut stimuler la mise en place de la typologie textuelle pour appréhender la langue écrite au niveau textuel tant en lecture qu’en écriture.

Étude de l’appropriation de l’orthographe française langue seconde/étrangère d’élèves arabophones du secondaire en Égypte

La présente recherche vise à décrire le développement orthographique des élèves arabophones de 1re année du secondaire en Égypte au début de l’apprentissage du français langue étrangère. Les recherches égyptiennes qui concernent le français écrit se sont préoccupées des erreurs grammaticales commises par les élèves. À notre connaissance, il n’existe pas d’études relatives à l’appropriation de l’orthographe française menée auprès de ces élèves. Afin de combler ce vide, nous avons souhaité apporter un éclairage sur les compétences orthographiques des élèves en essayant d’éclairer la documentation de ces compétences en français écrit par la mise en relation avec celle de jeunes enfants arabophones qui apprennent le français L2 au préscolaire lors de leur séjour au Québec. Afin d’atteindre nos objectifs, nous avons soumis 30 élèves arabophones du secondaire à une épreuve d’orthographes approchées à quatre reprises. Celle-ci s’est déroulée dans le cadre d’un entretien semi-structuré individuel dans lequel les élèves ont été invités à produire des mots et une phrase. L’analyse descriptive et statistique de la production écrite des sujets a permis d’observer trois types de préoccupations écrites : visuographiques, phonologiques et orthographiques. D’autre part, leurs écrits ont témoigné d’un transfert langagier de l’arabe L1 et de l’anglais LE, qui était parfois positif, d’autres fois négatif. Les résultats ont, enfin, révélé que les élèves ont utilisé trois stratégies, lexicale, phonologique et analogique, lors de leurs productions. En outre, une étude de cas multiples exploratoire avec quatre enfants arabophones du préscolaire au Québec a été effectuée. Ces derniers ont été individuellement invités à produire des mots et une phrase en français et en arabe. De manière exploratoire, nous avons mis en relation l’appropriation de l’écrit des élèves du secondaire et celle des enfants du préscolaire en français et en arabe, ce qui nous a permis de vérifier l’effet de l’âge sur le développement orthographique et sur le transfert langagier chez les apprenants. Les résultats obtenus indiquent que la performance écrite des élèves du secondaire était significativement plus réussie que celle des enfants du préscolaire et que les premiers étaient les plus susceptibles de produire un transfert langagier. Ainsi, l’âge de l’apprenant peut avoir un impact sur l’appropriation de l’écrit ainsi que sur le transfert langagier en français langue seconde/étrangère. Finalement, au-delà de son apport scientifique et pratique, la présente recherche propose des pistes de recherches futures.

Représentation OWL de la ressource lexicale LVF et son utilisation dans le traitement automatique de la langue

Le dictionnaire LVF (Les Verbes Français) de J. Dubois et F. Dubois-Charlier représente une des ressources lexicales les plus importantes dans la langue française qui est caractérisée par une description sémantique et syntaxique très pertinente. Le LVF a été mis disponible sous un format XML pour rendre l’accès aux informations plus commode pour les applications informatiques telles que les applications de traitement automatique de la langue française. Avec l’émergence du web sémantique et la diffusion rapide de ses technologies et standards tels que XML, RDF/RDFS et OWL, il serait intéressant de représenter LVF en un langage plus formalisé afin de mieux l’exploiter par les applications du traitement automatique de la langue ou du web sémantique. Nous en présentons dans ce mémoire une version ontologique OWL en détaillant le processus de transformation de la version XML à OWL et nous en démontrons son utilisation dans le domaine du traitement automatique de la langue avec une application d’annotation sémantique développée dans GATE.

Relations entre morphologie, vocabulaire et compréhension écrite en français langue seconde

La présente étude vise à étayer l’état des connaissances liées aux relations entre les compétences en compréhension écrite, le vocabulaire et les capacités en traitement graphomorphologique d’étudiants collégiaux du français langue seconde de niveau intermédiaire et intermédiaire avancé. Bon nombre de ces étudiants présentent des problèmes de compréhension écrite, problèmes qui sont abordés dans la présente recherche sous l’angle des connaissances lexicales et du traitement graphomorphologique, soit la capacité de coordonner les informations de nature orthographique, phonologique et sémantique au cours de la lecture. Les résultats montrent que les étudiants possèdent de faibles connaissances lexicales, ce qui pourrait expliquer en partie les problèmes de compréhension écrite qu’ils présentent. Par ailleurs, même si les étudiants de niveau intermédiaire avancé affichent une meilleure compétence en compréhension écrite et de meilleures connaissances en vocabulaire que les étudiants de niveau intermédiaire, leurs capacités en matière de traitement graphomorphologique sont de même niveau. Enfin, les liens entre les trois variables semblent plus forts pour les étudiants de niveau intermédiaire que pour ceux de niveau intermédiaire avancé, ce qui pourrait laisser penser que le traitement graphomorphologique jouerait un rôle plus important pour les apprenants moins avancés d’une langue seconde.

Apprentissage des réseaux de neurones profonds et applications en traitement automatique de la langue naturelle

En apprentissage automatique, domaine qui consiste à utiliser des données pour apprendre une solution aux problèmes que nous voulons confier à la machine, le modèle des Réseaux de Neurones Artificiels (ANN) est un outil précieux. Il a été inventé voilà maintenant près de soixante ans, et pourtant, il est encore de nos jours le sujet d'une recherche active. Récemment, avec l'apprentissage profond, il a en effet permis d'améliorer l'état de l'art dans de nombreux champs d'applications comme la vision par ordinateur, le traitement de la parole et le traitement des langues naturelles. La quantité toujours grandissante de données disponibles et les améliorations du matériel informatique ont permis de faciliter l'apprentissage de modèles à haute capacité comme les ANNs profonds. Cependant, des difficultés inhérentes à l'entraînement de tels modèles, comme les minima locaux, ont encore un impact important. L'apprentissage profond vise donc à trouver des solutions, en régularisant ou en facilitant l'optimisation. Le pré-entraînnement non-supervisé, ou la technique du ``Dropout'', en sont des exemples. Les deux premiers travaux présentés dans cette thèse suivent cette ligne de recherche. Le premier étudie les problèmes de gradients diminuants/explosants dans les architectures profondes. Il montre que des choix simples, comme la fonction d'activation ou l'initialisation des poids du réseaux, ont une grande influence. Nous proposons l'initialisation normalisée pour faciliter l'apprentissage. Le second se focalise sur le choix de la fonction d'activation et présente le rectifieur, ou unité rectificatrice linéaire. Cette étude a été la première à mettre l'accent sur les fonctions d'activations linéaires par morceaux pour les réseaux de neurones profonds en apprentissage supervisé. Aujourd'hui, ce type de fonction d'activation est une composante essentielle des réseaux de neurones profonds. Les deux derniers travaux présentés se concentrent sur les applications des ANNs en traitement des langues naturelles. Le premier aborde le sujet de l'adaptation de domaine pour l'analyse de sentiment, en utilisant des Auto-Encodeurs Débruitants. Celui-ci est encore l'état de l'art de nos jours. Le second traite de l'apprentissage de données multi-relationnelles avec un modèle à base d'énergie, pouvant être utilisé pour la tâche de désambiguation de sens.

L’enseignement de la distinction entre le passé composé et l’imparfait en français langue seconde

La présente recherche vise à décrire et comprendre l’enseignement de la distinction entre le passé composé et l’imparfait à partir des connaissances et conceptions des enseignants ainsi qu’à partir de leur matériel didactique. La distinction aspectuelle, plus précisément celle qui concerne le perfectif et l’imperfectif, est une difficulté qui concerne plusieurs langues. La recherche antérieure s’est beaucoup intéressée à cette question, permettant de comprendre les raisons de cette difficulté qui se fonde sur l’hypothèse de l’aspect. À partir de cette hypothèse, les difficultés concernant la distinction entre le passé composé et l’imparfait s’éclaircissent, permettant d’ajuster les explications et la transposition didactique. Or, la recherche antérieure considère que les manuels didactiques fournissent aux apprenants et aux enseignants des explications qui ne permettent pas une réelle compréhension de la distinction entre le passé composé et l’imparfait. La présente recherche cherche à vérifier ces hypothèses. À partir d’entrevues réalisées auprès de neuf enseignants de français langue seconde, les résultats montrent qu’effectivement, les enseignants s’inspirent des manuels didactiques pour expliquer et transposer la distinction entre le passé composé et l’imparfait. De plus, à partir du matériel didactique fourni par les mêmes enseignants, les résultats montrent que malgré une connaissance de la difficulté d’emploi du passé composé et de l’imparfait, les exercices ne sont pas adaptés aux difficultés des étudiants. Enfin, la présente recherche démontre la prédominance de l’intrant typique par rapport à l’intrant atypique.

La mauvaise langue et les lettres : statuts de la rumeur et de l’écrit à la naissance du roman (1150-1230)

La rumeur publique joue un rôle-clé dès les plus anciens textes français : elle motive les héros à la guerre et assure la renommée du saint auprès du bon peuple. Quand les auteurs vernaculaires délaissent les chansons de geste ou de saints (genres marqués par l’oralité) au profit d’une forme narrative bientôt appelée roman (genre défini d’abord par son rapport à l’écriture), la rumeur – qui fait et défait les héros – se voit concurrencée par l’écrit, auquel est attribuée une valeur de vérité supérieure. Le roman met ainsi en abyme sa propre quête de légitimité. Le statut ambigu de la narration médiévale, au carrefour de l’oralité et de l’écriture, se reflète dans la situation ambivalente de la rumeur, clairement associée au peuple et en position d’infériorité manifeste, mais demeurant néanmoins le véritable moteur de la narration. À ce titre, la rumeur, ou plus exactement la nouvelle « qui court et vole », devient un sujet autonome qui relance le récit, dans un apparent parallèle avec à la voix du narrateur. Au début du XIIIe siècle, l’opposition entre roman et chanson se double d’une séparation entre vers et prose. Le roman en vers prend ses distances avec la rumeur en adoptant des accents parodiques, mais la prose est le lieu où la rumeur est mise en cause de la manière la plus systématique. Le roman en prose élabore ainsi un système complexe où la lettre et la voix se répondent. Par exemple, le grand cycle du Lancelot-Graal se clôt avec un roman, La Mort du roi Arthur, où la vérité vient de la lettre (missives révélatrices, inscriptions funéraires), alors même que la rumeur se révèle mortifère, depuis la rumeur de la fausse mort, qui a poussé Lancelot et Guenièvre au bord du suicide, jusqu’à celle qui condamne injustement la reine du meurtre de Gaheris de Karaheu. Le roman oppose ainsi à la voix de Merlin, le prophète à l’origine de ce royaume déchu, la permanence de la lettre, seule capable d’assurer la pérennité du royaume dans la mémoire et dans les lettres. La rumeur qui traverse les premières entreprises romanesques porte avec elle la question fondamentale du roman : celle de la vérité et du statut de la fiction, dans un monde où la langue vulgaire quitte la sphère de l’oralité et cherche à s’imposer comme langue d’écriture.

Aux “marges sales” de la parole vive : les débats sur la langue dans le milieu théâtral québécois (1930-1968)

Des débats et interventions diverses sur les rapports entre langue et théâtre au Québec, on ne retient souvent que les polémiques ayant entouré, entre 1968 et 1973, la création des premières pièces de Michel Tremblay ainsi que les innombrables prises de position publiques de leur auteur. Dans une perspective sociohistorique, cet article cherche à montrer que — à partir des années 1930, tout particulièrement — une réflexion originale sur la langue au théâtre prend naissance dans un contexte où la critique tente de penser l’autonomie d’un théâtre québécois en émergence. D’où une vive attention à la façon de porter la parole vivante au théâtre (élocution, débit, accent), qu’il s’agit de faire échapper à l’influence de l’art oratoire et de l’éloquence profane ou sacrée. L’importance de la notion centrale de l’époque, le naturel à la scène, se manifeste ensuite sous d’autres formes, notamment à travers la promotion d’un théâtre réaliste, puis social. La dramaturgie et les positions de Marcel Dubé sur la question linguistique, affirmées dès les années 1950, sont exemplaires de cette évolution générale, qui s’inscrit en faux contre une perspective textualiste évacuant de l’oeuvre de théâtre la parole quotidienne, dans toute son imperfection et sa fragilité.

Merveilleux / langue / histoire : le chemin sauvage d’une saga historique

Compte rendu critique du roman de Sigrid Undset « Christine Lavransdatter » (Stock, 1975).