Identification automatique de la valeur de on dans un corpus d’apprenants du français L2

¹ MoDyCo UMR 7114 Université Paris Nanterre, France
² Université Paris Nanterre, France

^* Corresponding author: This email address is being protected from spambots. You need JavaScript enabled to view it.

Abstract

Le pronom indéfini on en français se caractérise par la polysémie et l’ambiguïté : son référé doit être interprété selon le contexte. Cette interprétation est parfois difficile, a fortiori lorsque le discours est produit par un locuteur non-natif. Cette étude, fondée sur l’apprentissage supervisé, explore la capacité d’un classifieur entraîné sur un corpus d’apprenants à identifier automatiquement la valeur du pronom on. Deux valeurs sont prises en compte : l’usage indéfini et l’usage où on fonctionne comme substitut du pronom nous. Deux approches d’apprentissage supervisé sont comparées : un modèle d’apprentissage de surface reposant sur une régression logistique, et un modèle d’apprentissage profond basé sur CamemBERT, affiné (fine-tuned) sur le corpus. Les résultats obtenus sont encourageants et indiquent que ces approches permettent d’atteindre des performances satisfaisantes pour la tâche étudiée. L’analyse montre notamment que le classifieur parvient à distinguer les contextes où on se substitue à nous, correspondant généralement à un registre familier, de ceux où il renvoie à une entité indéfinie. Le module automatique développé pourrait être utilisé pour analyser de plus grands corpus, ou pour des évaluations pédagogiques.