@inproceedings{muller-etal-2016-classification,
title = "Classification automatique de dict{\'e}es selon leur niveau de difficult{\'e} de compr{\'e}hension et orthographique (Automatic classification of dictations according to their complexity for comprehension and writing production)",
author = {M{\"u}ller, Adeline and
Francois, Thomas and
Roekhaut, Sophie and
Fairon, Cedrick},
editor = "Danlos, Laurence and
Hamon, Thierry",
booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters)",
month = "7",
year = "2016",
address = "Paris, France",
publisher = "AFCP - ATALA",
url = "https://aclanthology.org/2016.jeptalnrecital-poster.8",
pages = "372--380",
abstract = "Cet article pr{\'e}sente une approche visant {\`a} {\'e}valuer automatiquement la difficult{\'e} de dict{\'e}es en vue de les int{\'e}grer dans une plateforme d{'}apprentissage de l{'}orthographe. La particularit{\'e} de l{'}exercice de la dict{\'e}e est de devoir percevoir du code oral et de le retranscrire via le code {\'e}crit. Nous envisageons ce double niveau de difficult{\'e} {\`a} l{'}aide de 375 variables mesurant la difficult{\'e} de compr{\'e}hension d{'}un texte ainsi que les ph{\'e}nom{\`e}nes orthographiques et grammaticaux complexes qu{'}il contient. Un sous-ensemble optimal de ces variables est combin{\'e} {\`a} l{'}aide d{'}un mod{\`e}le par machines {\`a} vecteurs de support (SVM) qui classe correctement 56{\%} des textes. Les variables lexicales bas{\'e}es sur la liste orthographique de Catach (1984) se r{\'e}v{\`e}lent les plus informatives pour le mod{\`e}le.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="muller-etal-2016-classification">
<titleInfo>
<title>Classification automatique de dictées selon leur niveau de difficulté de compréhension et orthographique (Automatic classification of dictations according to their complexity for comprehension and writing production)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Adeline</namePart>
<namePart type="family">Müller</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Thomas</namePart>
<namePart type="family">Francois</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Sophie</namePart>
<namePart type="family">Roekhaut</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Cedrick</namePart>
<namePart type="family">Fairon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2016-07</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 conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Laurence</namePart>
<namePart type="family">Danlos</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>AFCP - ATALA</publisher>
<place>
<placeTerm type="text">Paris, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Cet article présente une approche visant à évaluer automatiquement la difficulté de dictées en vue de les intégrer dans une plateforme d’apprentissage de l’orthographe. La particularité de l’exercice de la dictée est de devoir percevoir du code oral et de le retranscrire via le code écrit. Nous envisageons ce double niveau de difficulté à l’aide de 375 variables mesurant la difficulté de compréhension d’un texte ainsi que les phénomènes orthographiques et grammaticaux complexes qu’il contient. Un sous-ensemble optimal de ces variables est combiné à l’aide d’un modèle par machines à vecteurs de support (SVM) qui classe correctement 56% des textes. Les variables lexicales basées sur la liste orthographique de Catach (1984) se révèlent les plus informatives pour le modèle.</abstract>
<identifier type="citekey">muller-etal-2016-classification</identifier>
<location>
<url>https://aclanthology.org/2016.jeptalnrecital-poster.8</url>
</location>
<part>
<date>2016-7</date>
<extent unit="page">
<start>372</start>
<end>380</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Classification automatique de dictées selon leur niveau de difficulté de compréhension et orthographique (Automatic classification of dictations according to their complexity for comprehension and writing production)
%A Müller, Adeline
%A Francois, Thomas
%A Roekhaut, Sophie
%A Fairon, Cedrick
%Y Danlos, Laurence
%Y Hamon, Thierry
%S Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters)
%D 2016
%8 July
%I AFCP - ATALA
%C Paris, France
%G French
%F muller-etal-2016-classification
%X Cet article présente une approche visant à évaluer automatiquement la difficulté de dictées en vue de les intégrer dans une plateforme d’apprentissage de l’orthographe. La particularité de l’exercice de la dictée est de devoir percevoir du code oral et de le retranscrire via le code écrit. Nous envisageons ce double niveau de difficulté à l’aide de 375 variables mesurant la difficulté de compréhension d’un texte ainsi que les phénomènes orthographiques et grammaticaux complexes qu’il contient. Un sous-ensemble optimal de ces variables est combiné à l’aide d’un modèle par machines à vecteurs de support (SVM) qui classe correctement 56% des textes. Les variables lexicales basées sur la liste orthographique de Catach (1984) se révèlent les plus informatives pour le modèle.
%U https://aclanthology.org/2016.jeptalnrecital-poster.8
%P 372-380
Markdown (Informal)
[Classification automatique de dictées selon leur niveau de difficulté de compréhension et orthographique (Automatic classification of dictations according to their complexity for comprehension and writing production)](https://aclanthology.org/2016.jeptalnrecital-poster.8) (Müller et al., JEP/TALN/RECITAL 2016)
ACL