Reflexõs sobre a linguagem do ambiente chat no Teletandem sob a perspectiva da natureza heterogênea da escrita

This paper aims at discussing the characteristics of computer mediated language within a foreign language teaching and learning environment enabled by the use of synchronic writing resources – chat. The present research is based on (i) theoretical principles about the use of technologies and the teaching-learning of foreign languages in the scope of the Teletandem Brazil Project: Foreign languages for all – Projeto Teletandem Brasil: línguas estrangeiras para todos (TELLES, 2005); (ii) studies on the characteristics of the language within chat interactions; (iii) different theoretical perspectives on the relationship between spoken and written language, emphasizing the constitutive heterogeneity of writing perspective (CORRÊA, 1997, 1998, 2001); and (iv) some relevant concepts related to Prosodic Phonology field (NESPOR; VOGEL, 1986). Is being taken as research data, the written production of a Brazilian student (finishing a Licentiate in Literature) interacting with an American student (in Religious Studies) through Windows Live Messenger. The data were collected during a five-month period, during which the participants interacted through chat, totalizing 12 interactions in English and in Portuguese. During the analysis, a particular attention was given to the messages’ fragmentation, the use (or not) of punctuation signs and abbreviations within the Brazilian participant’s production, in order to discuss the representations she built of her writing, her interlocutor, herself and on the teaching-learning process of a foreign language.

Learning representations for Information Retrieval

La recherche d'informations s'intéresse, entre autres, à répondre à des questions comme: est-ce qu'un document est pertinent à une requête ? Est-ce que deux requêtes ou deux documents sont similaires ? Comment la similarité entre deux requêtes ou documents peut être utilisée pour améliorer l'estimation de la pertinence ? Pour donner réponse à ces questions, il est nécessaire d'associer chaque document et requête à des représentations interprétables par ordinateur. Une fois ces représentations estimées, la similarité peut correspondre, par exemple, à une distance ou une divergence qui opère dans l'espace de représentation. On admet généralement que la qualité d'une représentation a un impact direct sur l'erreur d'estimation par rapport à la vraie pertinence, jugée par un humain. Estimer de bonnes représentations des documents et des requêtes a longtemps été un problème central de la recherche d'informations. Le but de cette thèse est de proposer des nouvelles méthodes pour estimer les représentations des documents et des requêtes, la relation de pertinence entre eux et ainsi modestement avancer l'état de l'art du domaine. Nous présentons quatre articles publiés dans des conférences internationales et un article publié dans un forum d'évaluation. Les deux premiers articles concernent des méthodes qui créent l'espace de représentation selon une connaissance à priori sur les caractéristiques qui sont importantes pour la tâche à accomplir. Ceux-ci nous amènent à présenter un nouveau modèle de recherche d'informations qui diffère des modèles existants sur le plan théorique et de l'efficacité expérimentale. Les deux derniers articles marquent un changement fondamental dans l'approche de construction des représentations. Ils bénéficient notamment de l'intérêt de recherche dont les techniques d'apprentissage profond par réseaux de neurones, ou deep learning, ont fait récemment l'objet. Ces modèles d'apprentissage élicitent automatiquement les caractéristiques importantes pour la tâche demandée à partir d'une quantité importante de données. Nous nous intéressons à la modélisation des relations sémantiques entre documents et requêtes ainsi qu'entre deux ou plusieurs requêtes. Ces derniers articles marquent les premières applications de l'apprentissage de représentations par réseaux de neurones à la recherche d'informations. Les modèles proposés ont aussi produit une performance améliorée sur des collections de test standard. Nos travaux nous mènent à la conclusion générale suivante: la performance en recherche d'informations pourrait drastiquement être améliorée en se basant sur les approches d'apprentissage de représentations.

Learning representations for Information Retrieval

La recherche d'informations s'intéresse, entre autres, à répondre à des questions comme: est-ce qu'un document est pertinent à une requête ? Est-ce que deux requêtes ou deux documents sont similaires ? Comment la similarité entre deux requêtes ou documents peut être utilisée pour améliorer l'estimation de la pertinence ? Pour donner réponse à ces questions, il est nécessaire d'associer chaque document et requête à des représentations interprétables par ordinateur. Une fois ces représentations estimées, la similarité peut correspondre, par exemple, à une distance ou une divergence qui opère dans l'espace de représentation. On admet généralement que la qualité d'une représentation a un impact direct sur l'erreur d'estimation par rapport à la vraie pertinence, jugée par un humain. Estimer de bonnes représentations des documents et des requêtes a longtemps été un problème central de la recherche d'informations. Le but de cette thèse est de proposer des nouvelles méthodes pour estimer les représentations des documents et des requêtes, la relation de pertinence entre eux et ainsi modestement avancer l'état de l'art du domaine. Nous présentons quatre articles publiés dans des conférences internationales et un article publié dans un forum d'évaluation. Les deux premiers articles concernent des méthodes qui créent l'espace de représentation selon une connaissance à priori sur les caractéristiques qui sont importantes pour la tâche à accomplir. Ceux-ci nous amènent à présenter un nouveau modèle de recherche d'informations qui diffère des modèles existants sur le plan théorique et de l'efficacité expérimentale. Les deux derniers articles marquent un changement fondamental dans l'approche de construction des représentations. Ils bénéficient notamment de l'intérêt de recherche dont les techniques d'apprentissage profond par réseaux de neurones, ou deep learning, ont fait récemment l'objet. Ces modèles d'apprentissage élicitent automatiquement les caractéristiques importantes pour la tâche demandée à partir d'une quantité importante de données. Nous nous intéressons à la modélisation des relations sémantiques entre documents et requêtes ainsi qu'entre deux ou plusieurs requêtes. Ces derniers articles marquent les premières applications de l'apprentissage de représentations par réseaux de neurones à la recherche d'informations. Les modèles proposés ont aussi produit une performance améliorée sur des collections de test standard. Nos travaux nous mènent à la conclusion générale suivante: la performance en recherche d'informations pourrait drastiquement être améliorée en se basant sur les approches d'apprentissage de représentations.

Méthode proposant l'utilisation de la programmation fonctionnelle pour la génération de solutions architecturales partielles sous forme matricielle

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Reconnaissance de visages à partir de modèles tridimensionnels

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Mémoires de traduction sous-phrastiques

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Estimation probabiliste du mouvement de caméra

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Réalité augmentée en chirurgie : développement d'un pointeur intelligent

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Adaptation de modèles de traduction dans le cadre du projet TransType

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Usagères des nouvelles technologies de la reproduction dans un contexte de communauté virtuelle

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Proposition d'un modèle d'environnement multimédiatisé pour l'apprentissage de concepts abstraits en science

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Étude de variation d'efficacité d'un système d'apprentissage multimédia interactif en histoire selon le niveau scolaire des apprenants

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

La responsabilité civile des intermédiaires ayant participé à la transmission de virus informatiques sur Internet

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Méthode proposant l'utilisation de la programmation fonctionnelle pour la génération de solutions architecturales partielles sous forme matricielle

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Reconnaissance de visages à partir de modèles tridimensionnels

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.