2ème édition du séminaire doctoral de l’INSPÉ de l’Académie de Bordeaux, Laura Lazartigues

Les facteurs déterminants dans le traitement et l’acquisition du langage : les apports de l’apprentissage statistique

Par Laura Lazartigues
Docteure en psychologie cognitive, Université Côte d’Azur Thèse soutenue en Mars 2022

Le langage est une faculté essentielle dans la cognition et la communication humaine et requiert de nombreuses capacités sensorielles et cognitives afin de se développer et de fonctionner de manière optimale. Le traitement et la compréhension du langage, tant oral qu’écrit, relève d’un traitement séquentiel par nature. En effet, lors de l’écoute d’un discours ou de la lecture, les mots sont traités dans un ordre précis, les uns après les autres. Afin de mieux comprendre les différents facteurs impliqués dans un tel traitement, notre intérêt s’est porté sur le traitement de nouvelles séquences apprises via l’apprentissage statistique. L’apprentissage statistique est un mécanisme d’apprentissage implicite et automatique permettant l’extraction de régularités présentes dans l’environnement, comme par exemple la fréquence des mots, ou bien leurs cooccurrences. L’implication de l’apprentissage statistique a notamment était mis en évidence dans l’acquisition du langage. Cependant, la majeure partie destravaux antérieurs s'est portée sur la notion de probabilité transitionnelle de premier-ordre, qui correspond à la probabilité d'un stimulus en fonction du précédent (notée p(B|A), ce qui signifie la probabilité d’avoir le stimulus B alors que nous venons d’avoir le stimulus A dans une séquence AB, par exemple la probabilité d’avoir le mot « Noël » après le mot « Père »). De plus, les modèles classiques de l’apprentissage associatif ne prenaient en compte que l’association entre deux stimuli. Or, au sein de séquences plus complexes, comme celles que l’on retrouve dans le langage, des probabilités transitionnelles plus complexes sont présentes, comme celles de second ordre (probabilité d'un stimulus en fonction des deux précédents, notée p(C|AB) ce qui signifie la probabilité d’avoir le stimulus C alors que nous venons d’avoir les stimuli A et B dans une séquence ABC, par exemple la probabilité d’avoir le mot « Rouge» après les mots « Petit chaperon »). Ces probabilités transitionnelles plus complexes permettent une meilleure prédiction du mot à venir, et donc une meilleure compréhension, mais ont été peu étudiées jusqu’alors. Ainsi, à travers la présentation d’une étude issue de ma thèse , les effets de trois facteurs sur l’apprentissage de séquences langagières seront présentés (1) les probabilité transitionnelle de premier-ordre (un stimulus en prédisant un autre) ainsi que celles de second-ordre (une combinaison de stimuli prédisant un autre stimulus), (2) la structure de dépendance caractérisant les probabilité transitionnelle (adjacente vs. non-adjacente) et (3) la fréquence des séquences.