Socialization and Language at School: An Opportunity and a Challenge for AI in the Exploitation of Massive Data (SoLaS)

Responsable : Aurélie Nardy, Lidilem, UGA

Équipe : Carole Adam (équipe STeamer, LIG, UGA), Renaud Blanch (équipe IIHM, LIG, UGA), Márton Karsai (Department of Network and Data Science at Central European University – Vienne, Autriche), Olivier Kraif (Lidilem, UGA), Benjamin Lecouteux et Solange Rossato (équipe GETALP, LIG, UGA)

Les avancées technologiques dans la collecte de données massives sur les apprenants offrent une nouvelle opportunité d'améliorer les conditions d'apprentissage des élèves en ayant recours à l'intelligence artificielle pour enrichir, analyser et modéliser ces données. 

Le projet repose sur l’exploitation de la base de données DyLNet, une base de données massives recueillies dans une école maternelle auprès de 200 participants (ANR-16-CE28-0013). Pendant 2 ans et demi, 1 semaine par mois, les enfants et adultes de l’école ont porté des boitiers sans fil clippés au col qui enregistraient les proximités entre eux et leurs paroles. En tout, ont été recueillies ≈ 35 000 heures d’enregistrements audio dont un peu plus de 800 ont été annotées et transcrites par des linguistes ainsi que 1 700 000 interactions sociales. À différents moments du suivi longitudinal, des tests de langage ont été administrés aux enfants et de nombreuses informations sociodémographiques ont été collectées.

Cette base de données massives est une opportunité unique de développer des analyses et des outils basés sur l’IA, qui permettront un saut significatif dans la compréhension des mécanismes de socialisation précoce et de leurs liens avec le langage, dans l’objectif de réduire les inégalités sociales et éducatives.

Le projet est constitué de 3 workpackages :

Le 1^er WP concernera la visualisation dynamique du réseau d’interactions sociales à l’école afin d’analyser dans le temps à la fois les patterns d’interactions individuels et ceux des différents groupes pour déterminer s’ils sont liés à des facteurs langagiers et/ou sociodémographiques.

Le 2^ème WP s’attachera au développement d’un outil de transcription automatique de la parole spontanée enfantine incluant des outils d’évaluation du niveau de développement langagier. 

Enfin, le 3^ème WP abordera la modélisation du réseau dynamique d’interactions scolaires et de ses influences réciproques avec l’usage du langage.