No description available.

L’objectif principal de ce travail est d’explorer la frontière entre les erreurs grammaticales d'une part et les erreurs textuelles d'autre part, dans les productions écrites des étudiants francophones rédigeant en anglais langue étrangère (L2) à l’université. Pour ce faire, un corpus de textes d’apprenants en anglais L2 a été recueilli et annoté par le biais de plusieurs schémas d’annotation. Le premier schéma d’annotation est issu de l’UAM CorpusTool, un logiciel qui fournit une taxonomie d’erreurs intégrée. Les premières annotations ont été croisées avec d’autres annotations issues des métafonctions sémantiques que nous avons établies, en nous appuyant sur la linguistique systémique fonctionnelle.En plus de fournir des statistiques en termes de fréquence d’occurrence des erreurs spécifiques chez les apprenants francophones, le croisement des schémas a permis d’identifier certaines valeurs proprement phraséologique, sémantique et textuelle qui semblent poser des problèmes particulièrement épineux. A ce titre, une classification de ce que nous avons appelé des erreurs d’acceptabilité textuelle a été établie, dans le but notamment d’avoir une vue globale sur les erreurs identifiables à ce niveau d’analyse. En bref, le présent travail retrace donc le cheminement de l’ensemble de notre thèse de ses débuts conceptuels jusqu’à la proposition d’un modèle explicatif permettant d’établir la description de toute occurrence erronée identifiée en langue étrangère – qu’elle soit notamment grammaticale (c’est-à-dire, imputable au système linguistique) ou textuelle(c’est-à-dire, imputable au texte). / The main objective of this study is to try and pinpoint the frontier between grammatical (or sentence-level) errors on the one hand and textual errors on the other in university student essays. Accordingly, a corpus of English L2 learner texts, written by French learners, was collected and annotated using several annotation schemes. The first annotation scheme used is based on a model from the UAM CorpusTool software package, which provided us with an integrated error taxonomy. The annotations obtained were then cross-analyzed using the semantic metafunctions identified in systemic functional linguistics.In addition to providing statistics in terms of specific error frequency, our cross analysis has identified some areas that appear to pose particularly difficult problems, i.e. phraseology, and certain semantic and textual constructions. A classification of what we have called textual acceptability errors has thus been established. In short, the thesis begins with an examination of conceptual issues and ends with the proposal for an explanatory model that can describe erroneous occurrences identified in a foreign language – whether they are grammatical (i.e., linked to the language system itself) or textual (i.e. linked to the text) in nature.

This thesis documents the use of Natural Language Processing (NLP) in Computer Assisted Language Learning (CALL) and its contribution to the learning experience of students studying Arabic as a foreign language. The goal of this project is to build an Intelligent Computer Assisted Language Learning (ICALL) system that provides computational assistance to learners of Arabic by teaching grammar, producing homework and issuing students with immediate feedback. To produce this system we use the Parasite system, which produces morphological, syntactic and semantic analysis of textual input, and extend it to provide error detection and diagnosis. The methodology we adopt involves relaxing constraints on unification so that correct information contained in a badly formed sentence may still be used to obtain a coherent overall analysis. We look at a range of errors, drawn from experience with learners at various levels, covering word internal problems (addition of inappropriate affixes, failure to apply morphotactic rules properly) and problems with relations between words (local constraints on features, and word order problems). As feedback is an important factor in learning, we look into different types of feedback that can be used to evaluate which is the most appropriate for the aim of our system.

No description available.

No description available.

No description available.