@inproceedings{francois-2009-modeles,
title = "Mod{\`e}les statistiques pour l{'}estimation automatique de la difficult{\'e} de textes de {FLE}",
author = "Fran{\c{c}}ois, Thomas",
editor = "Mondary, Thibault and
Bossard, Aur{\'e}lien and
Hamon, Thierry",
booktitle = "Actes de la 16{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. REncontres jeunes Chercheurs en Informatique pour le Traitement Automatique des Langues",
month = jun,
year = "2009",
address = "Senlis, France",
publisher = "ATALA",
url = "https://aclanthology.org/2009.jeptalnrecital-recital.7",
pages = "61--70",
abstract = "La lecture constitue l{'}une des t{\^a}ches essentielles dans l{'}apprentissage d{'}une langue {\'e}trang{\`e}re. Toutefois, la d{\'e}couverte d{'}un texte portant sur un sujet pr{\'e}cis et qui soit adapt{\'e} au niveau de chaque apprenant est consommatrice de temps et pourrait {\^e}tre automatis{\'e}e. Des exp{\'e}riences montrent que, pour l{'}anglais, l{'}utilisation de classifieurs statistiques permet d{'}estimer automatiquement la difficult{\'e} d{'}un texte. Dans cet article, nous proposons une m{\'e}thodologie originale comparant, pour le fran{\c{c}}ais langue {\'e}trang{\`e}re (FLE), diverses techniques de classification (la r{\'e}gression logistique, le bagging et le boosting) sur deux corpus d{'}entra{\^\i}nement. Il ressort de cette analyse comparative une l{\'e}g{\`e}re sup{\'e}riorit{\'e} de la r{\'e}gression logistique multinomiale.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="francois-2009-modeles">
<titleInfo>
<title>Modèles statistiques pour l’estimation automatique de la difficulté de textes de FLE</title>
</titleInfo>
<name type="personal">
<namePart type="given">Thomas</namePart>
<namePart type="family">François</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2009-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 16ème conférence sur le Traitement Automatique des Langues Naturelles. REncontres jeunes Chercheurs en Informatique pour le Traitement Automatique des Langues</title>
</titleInfo>
<name type="personal">
<namePart type="given">Thibault</namePart>
<namePart type="family">Mondary</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Aurélien</namePart>
<namePart type="family">Bossard</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Thierry</namePart>
<namePart type="family">Hamon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Senlis, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>La lecture constitue l’une des tâches essentielles dans l’apprentissage d’une langue étrangère. Toutefois, la découverte d’un texte portant sur un sujet précis et qui soit adapté au niveau de chaque apprenant est consommatrice de temps et pourrait être automatisée. Des expériences montrent que, pour l’anglais, l’utilisation de classifieurs statistiques permet d’estimer automatiquement la difficulté d’un texte. Dans cet article, nous proposons une méthodologie originale comparant, pour le français langue étrangère (FLE), diverses techniques de classification (la régression logistique, le bagging et le boosting) sur deux corpus d’entraînement. Il ressort de cette analyse comparative une légère supériorité de la régression logistique multinomiale.</abstract>
<identifier type="citekey">francois-2009-modeles</identifier>
<location>
<url>https://aclanthology.org/2009.jeptalnrecital-recital.7</url>
</location>
<part>
<date>2009-06</date>
<extent unit="page">
<start>61</start>
<end>70</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Modèles statistiques pour l’estimation automatique de la difficulté de textes de FLE
%A François, Thomas
%Y Mondary, Thibault
%Y Bossard, Aurélien
%Y Hamon, Thierry
%S Actes de la 16ème conférence sur le Traitement Automatique des Langues Naturelles. REncontres jeunes Chercheurs en Informatique pour le Traitement Automatique des Langues
%D 2009
%8 June
%I ATALA
%C Senlis, France
%G French
%F francois-2009-modeles
%X La lecture constitue l’une des tâches essentielles dans l’apprentissage d’une langue étrangère. Toutefois, la découverte d’un texte portant sur un sujet précis et qui soit adapté au niveau de chaque apprenant est consommatrice de temps et pourrait être automatisée. Des expériences montrent que, pour l’anglais, l’utilisation de classifieurs statistiques permet d’estimer automatiquement la difficulté d’un texte. Dans cet article, nous proposons une méthodologie originale comparant, pour le français langue étrangère (FLE), diverses techniques de classification (la régression logistique, le bagging et le boosting) sur deux corpus d’entraînement. Il ressort de cette analyse comparative une légère supériorité de la régression logistique multinomiale.
%U https://aclanthology.org/2009.jeptalnrecital-recital.7
%P 61-70
Markdown (Informal)
[Modèles statistiques pour l’estimation automatique de la difficulté de textes de FLE](https://aclanthology.org/2009.jeptalnrecital-recital.7) (François, JEP/TALN/RECITAL 2009)
ACL