This essay investigates how mother tongue teachers in Sweden view cross-linguistic influence in the Spanish classroom. It focuses on three areas: the student groups’ linguistic profiles; the evaluation of described/presumed strengths and challenges within Spanish phonology, lexicon and morphosyntax; and perspectives on effective contrastive classroom practices. Six semi-structured interviews were conducted with teachers of Arabic, English, and Somali, which were analyzed phenomenographically. The results showed that the students are generally multilingual in their mother tongue, Swedish, and English, with proficiency varying according to birthplace. Whereas English was considered the main support for English-speaking students, Somali and Arabic students were deemed particularly facilitated by their mother tongue in morphosyntax and Swedish/English in lexicon, while phonology was mixed. Finally, there was consensus that Spanish classroom practices should include comparisons to mother tongues, Swedish, and English, by teachers and/or students. Having some mother tongue knowledge was thus deemed beneficial, albeit not essential, for Spanish teaching. / La presente tesina explora las perspectivas de profesores de lenguas maternas en Suecia hacia la influencia cros-lingüística en la enseñanza de español. Se enfoca en tres áreas: el perfil lingüístico de los estudiantes; la evaluación de fortalezas y desafíos descritos/ presumidos en la fonología, el lexicón y la morfosintaxis español; y las percepciones de buenas prácticas didácticas contrastivas. Se realizaron seis entrevistas con profesores del árabe, el inglés y el somalí, cuales se analizaron fenomenograficamente. Los resultados revelaron un multilingüismo estudiantil general de la lengua materna, el sueco y el inglés, con niveles variando según el país de crianza. Mientras el inglés se consideró el mejor apoyo para los estudiantes ingleses en todas áreas, los estudiantes somalíes y árabes se consideraron más facilitados por la lengua materna en asuntos morfosintácticos y el sueco/inglés en léxico, mientras la fonología resultó mezclada.  Finalmente, se concordó que la enseñanza de español debe incluir comparaciones hacia las lenguas maternas igual que el sueco y el inglés, por estudiantes o/y estudiantes. Consecuentemente, tener conocimientos básicos de lenguas maternas se consideró beneficial, si bien no imprescindible, para enseñar español.

No description available.

The state-of-the-art object detection and image classification methods can perform impressively on more than 9k classes. In contrast, the number of classes in semantic segmentation datasets are fairly limited. This is not surprising , when the restrictions caused by the lack of labeled data and high computation demand are considered. To efficiently perform pixel-wise classification for c number of classes, segmentation models use cross-entropy loss on c-channel output for each pixel. The computational demand for such prediction turns out to be a major bottleneck for higher number of classes. The major goal of this thesis is to reduce the number of channels of the output prediction, thus allowing to perform semantic segmentation with very high number of classes. The reduction of dimension has been approached using metric learning for the semantic feature space. The metric learning provides us the mapping from pixel to embedding with minimal, still sufficient, number of dimensions. Our proposed approximation of groundtruth class probability for cross entropy loss helps the model to place the embeddings of same class pixels closer, reducing inter-class variabilty of clusters and increasing intra-class variability. The model also learns a prototype embedding for each class. In loss function, these class embeddings behave as positive and negative samples for pixel embeddings (anchor). We show that given a limited computational memory and resources, our approach can be used for training a segmentation model for any number of classes. We perform all experiments on one GPU and show that our approach performs similar and in some cases slightly better than deeplabv3+ baseline model for Cityscapes and ADE20K dataset. We also perform experiments to understand trade-offs in terms of memory usage, inference time and performance metrics. Our work helps in alleviating the problem of computational complexity, thus paving the way for image segmentation task with very high number of semantic classes. / De ledande djupa inlärningsmetoderna inom objektdetektion och bildklassificering kan hantera väl över 9000 klasser. Inom semantisk segmentering är däremot antalet klasser begränsat för vanliga dataset. Detta är inte förvånande då det behövs mycket annoterad data och beräkningskraft. För att effektivt kunna göra en pixelvis klassificering av c klasser, använder segmenteringsmetoder den s.k. korsentropin över c sannolikhets värden för varje pixel för att träna det djupa nätverket. Beräkningskomplexiteten från detta steg är den huvudsakliga flaskhalsen för att kunna öka antalet klasser. Det huvudsakliga målet av detta examensarbete är att minska antalet kanaler i prediktionen av nätverket för att kunna prediktera semantisk segmentering även vid ett mycket högt antal klasser. För att åstadkomma detta används metric learning för att träna slutrepresentationen av nätet. Metric learning metoden låter oss träna en representation med ett minimalt, men fortfarande tillräckligt antal dimensioner. Vi föreslår en approximation av korsentropin under träning som låter modellen placera representationer från samma klass närmare varandra, vilket reducerar interklassvarians och öka intraklarrvarians. Modellen lär sig en prototyprepresentation för varje klass. För inkärningskostnadsfunktionen ses dessa prototyper som positiva och negativa representationer. Vi visar att vår metod kan användas för att träna en segmenteringsmodell för ett godtyckligt antal klasser givet begränsade minnes- och beräkningsresurser. Alla experiment genomförs på en GPU. Vår metod åstadkommer liknande eller något bättre segmenteringsprestanda än den ursprungliga deeplabv3+ modellen på Cityscapes och ADE20K dataseten. Vi genomför också experiment för att analysera avvägningen mellan minnesanvändning, beräkningstid och segmenteringsprestanda. Vår metod minskar problemet med beräkningskomplexitet, vilket banar väg för segmentering av bilder med ett stort antal semantiska klasser.

This thesis covers the topic of image matching in a visual SLAM or SfM context. These problems are generally based on a vector representation of the keypoints of one image, called a descriptor, which we seek to map to the keypoints of another, using a similarity measure to compare the descriptors. However, it remains difficult to perform this matching successfully, especially for challenging scenes where illumination changes, occlusions, motion, textureless and similar features are present, leading to mis-matched points. In this thesis, we develop a self-supervised contrastive deep learning framework for computing robust descriptors, particularly for these challenging situations.We use the TartanAir dataset built explicitly for this task, and in which these difficult scene cases are present. Our results show that descriptor learning works, improves scores, and that our method is competitive with traditional methods such as ORB. In particular, the invariance built implicitly by training pairs of positive examples through the construction of a trajectory from a sequence of images, as well as the controlled introduction of ambiguous negative examples during training, have a real observable effect on the scores obtained. / Le présent mémoire traite du sujet de mise en correspondance entre deux images dans un contexte de SLAM visuel ou de SfM. Ces problèmes reposent généralement sur une représentation vectorielle de points saillants d’une image, appelée descripteur, et qu’on cherche à mettre en correspondance avec les points saillants d’une autre, en utilisant une mesure de similarité pour comparer les descripteurs. Cependant, il reste difficile de réaliser cette mise en correspondance avec succès, en particulier pour les scènes difficiles où des changements d’illumination, des occultations, des mouvements, des éléments sans texture, et des éléments similaires sont présents, conduisant à des mises en correspondance incorrectes. Nous développons dans ce mémoire une méthode d’apprentissage profond contrastif auto-supervisé pour calculer des descripteurs robustes, particulièrement à ces situations difficiles. Nous utilisons le jeu de données TartanAir construit explicitement pour cette tâche, et dans lequel ces cas de scènes difficiles sont présents. Nos résultats montrent que l’apprentissage de descripteurs fonctionne, améliore les scores, et que notre méthode est compétitive avec les méthodes traditionnelles telles que ORB. En particulier, l’invariance bâtie implicitement en formant des paires d’exemples positifs grâce à la construction d’une trajectoire depuis une séquence d’images, ainsi que l’introduction contrôlée d’exemples négatifs ambigus pendant l’entraînement a un réel effet observable sur les scores obtenus.

<p dir="ltr">Distracted driving is at the forefront of the leading causes of road accidents. Therefore, research advancements in Driver Monitoring Systems (DMS) are vital in facilitating prevention techniques. These systems must be able to detect anomalous driving behavior by evaluating deviations from some predefined normal driving behavior. This thesis proposes an improved contrastive learning approach that introduces a hybrid loss function combining triplet loss and supervised contrastive loss, as well as improvements to the projection head of the framework. It progresses the architecture by performing a multi-threshold severity calculation and data processing using an exponential moving average technique. Due to the unbounded possibilities of anomalous driving behaviors, the proposed framework was tested on the Driver Anomaly Detection (DAD) dataset that incorporates multi-modal and multi-view inputs in an open set recognition setting. The test set of the DAD dataset has anomalous actions that are unseen by the trained model; therefore, high precision on such a dataset demonstrates success on any other closed-set recognition task. The proposed framework achieved an impressive accuracy, reaching 94.14\%, AUC-ROC at 0.9787, and AUC-PR at 0.9781 on the test set. These findings contribute to in-vehicle monitoring by providing a scalable and adaptable framework suitable for real-world conditions.</p>

In dieser Arbeit werden verschiedene Sprechtempoparameter in den Sprachen Chinesisch, Deutsch, Englisch, brasilianisches und europäisches Portugiesisch sowie Spanisch zueinander in Bezug gesetzt: Die Maßeinheiten Laute, Silben, Wörter und Morpheme pro Sekunde werden unter Ein- und Ausschluss der Pausenzeit gemessen. Dabei ergeben sich für die germanischen Sprachen niedrige Durchschnittswerte, die romanischen Sprachen liegen im mittleren bis hohen Bereich und das Chinesische weist je nach betrachtetem Parameter mittlere oder hohe Werte auf. Eine Analyse der Pausenstruktur ergibt vergleichbare Pausenanteile, aber einen höheren Anteil interner Pausen in den Sprachen Chinesisch, europäisches Portugiesisch und Spanisch. Weiterhin werden nonverbale Aspekte berücksichtigt und die Größen Gesten, Gesichts¬ausdrücke und Bewegungen des Kopfes und Oberkörpers pro Minute gemessen. Im brasilianischen Portugiesisch sind Gesten und im Chinesischen Bewegungen des Kopfes und Oberkörpers auffallend häufig. Geschlechtsspezifische Unterschiede sind in allen Bereichen gering und nur im europäischen Portugiesisch statistisch signifikant. Bezüglich des wahrgenommenen Sprechtempos zeigt sich in Experimenten und Umfragen, dass die romanischen Sprachen als schnell bezeichnet werden. Chinesische Hörer schätzen außerdem das Sprechtempo anders ein als deutsche, wobei die Silbenkomplexität für beide Gruppen unterschiedliche Rollen spielt. Daneben bestehen zwischen diesen beiden Gruppen signifikante Unterschiede in der Beurteilung von Sachlichkeit und Vertrauenswürdigkeit in Aufnahmen. Für die untersuchte Sprechsituation wird davon ausgegangen, dass in verschiedenen Sprachgemeinschaften die Verwendung unterschiedlicher sprachlicher (verbaler wie nonverbaler) Mittel bevorzugt wird. Das Sprechtempo wird damit als eine von phonetisch-phonologischen Faktoren, aber auch von in gesellschaftlichen Gruppen vorhandenen Tendenzen im Sprachgebrauch beeinflusste Größe verstanden. / This doctoral thesis is a cross-linguistic analysis of speech tempo, comparing Chinese, English, German, Brazilian and European Portuguese, and Spanish. There are several parameters of speech tempo under analysis: sounds, syllables, words, and morphemes per second. The Germanic languages show lower values, whereas Romance languages tend to have medium and high values, and Chinese appears to have different, both medium and high values depending on what element is counted. An analysis of pause structure renders comparable percentages of time spent on silence, yet the proportion of internal pauses is considerably higher in Chinese, European Portuguese and Spanish. Furthermore, nonverbal aspects of speech are considered and data are collected for the measures gestures, facial expressions and movements of the head and torso per minute. Gestures are remarkably more frequent in Brazilian Portuguese, and movements of the head/torso are highly frequent in Chinese. Differences between genders are generally small, only within European Portuguese some statistically significant differences can be observed. Surveys on stereotypes and perception experiments show that the Romance languages are generally perceived as spoken more rapidly. The listeners’ native language appears to be a factor of perceived speech tempo: Chinese listeners’ responses are significantly different from German listeners’ responses. Syllable complexity plays different roles for these two groups of listeners. They also show significant differences when judging objectivity and trustworthyness in recordings. Considering the particular communication situation analyzed here, it is pointed out that in different speech communities, different verbal and nonverbal behavior is preferred in certain contexts. Speech tempo is influenced by phonetic and phonological factors, as well as tendencies towards a certain communicative style that can be observed within a given society.

Malgré des progrès constants en termes de capacité de calcul, mémoire et quantité de données disponibles, les algorithmes d'apprentissage machine doivent se montrer efficaces dans l'utilisation de ces ressources. La minimisation des coûts est évidemment un facteur important, mais une autre motivation est la recherche de mécanismes d'apprentissage capables de reproduire le comportement d'êtres intelligents. Cette thèse aborde le problème de l'efficacité à travers plusieurs articles traitant d'algorithmes d'apprentissage variés : ce problème est vu non seulement du point de vue de l'efficacité computationnelle (temps de calcul et mémoire utilisés), mais aussi de celui de l'efficacité statistique (nombre d'exemples requis pour accomplir une tâche donnée). Une première contribution apportée par cette thèse est la mise en lumière d'inefficacités statistiques dans des algorithmes existants. Nous montrons ainsi que les arbres de décision généralisent mal pour certains types de tâches (chapitre 3), de même que les algorithmes classiques d'apprentissage semi-supervisé à base de graphe (chapitre 5), chacun étant affecté par une forme particulière de la malédiction de la dimensionalité. Pour une certaine classe de réseaux de neurones, appelés réseaux sommes-produits, nous montrons qu'il peut être exponentiellement moins efficace de représenter certaines fonctions par des réseaux à une seule couche cachée, comparé à des réseaux profonds (chapitre 4). Nos analyses permettent de mieux comprendre certains problèmes intrinsèques liés à ces algorithmes, et d'orienter la recherche dans des directions qui pourraient permettre de les résoudre. Nous identifions également des inefficacités computationnelles dans les algorithmes d'apprentissage semi-supervisé à base de graphe (chapitre 5), et dans l'apprentissage de mélanges de Gaussiennes en présence de valeurs manquantes (chapitre 6). Dans les deux cas, nous proposons de nouveaux algorithmes capables de traiter des ensembles de données significativement plus grands. Les deux derniers chapitres traitent de l'efficacité computationnelle sous un angle différent. Dans le chapitre 7, nous analysons de manière théorique un algorithme existant pour l'apprentissage efficace dans les machines de Boltzmann restreintes (la divergence contrastive), afin de mieux comprendre les raisons qui expliquent le succès de cet algorithme. Finalement, dans le chapitre 8 nous présentons une application de l'apprentissage machine dans le domaine des jeux vidéo, pour laquelle le problème de l'efficacité computationnelle est relié à des considérations d'ingénierie logicielle et matérielle, souvent ignorées en recherche mais ô combien importantes en pratique. / Despite constant progress in terms of available computational power, memory and amount of data, machine learning algorithms need to be efficient in how they use them. Although minimizing cost is an obvious major concern, another motivation is to attempt to design algorithms that can learn as efficiently as intelligent species. This thesis tackles the problem of efficient learning through various papers dealing with a wide range of machine learning algorithms: this topic is seen both from the point of view of computational efficiency (processing power and memory required by the algorithms) and of statistical efficiency (n umber of samples necessary to solve a given learning task).The first contribution of this thesis is in shedding light on various statistical inefficiencies in existing algorithms. Indeed, we show that decision trees do not generalize well on tasks with some particular properties (chapter 3), and that a similar flaw affects typical graph-based semi-supervised learning algorithms (chapter 5). This flaw is a form of curse of dimensionality that is specific to each of these algorithms. For a subclass of neural networks, called sum-product networks, we prove that using networks with a single hidden layer can be exponentially less efficient than when using deep networks (chapter 4). Our analyses help better understand some inherent flaws found in these algorithms, and steer research towards approaches that may potentially overcome them. We also exhibit computational inefficiencies in popular graph-based semi-supervised learning algorithms (chapter 5) as well as in the learning of mixtures of Gaussians with missing data (chapter 6). In both cases we propose new algorithms that make it possible to scale to much larger datasets. The last two chapters also deal with computational efficiency, but in different ways. Chapter 7 presents a new view on the contrastive divergence algorithm (which has been used for efficient training of restricted Boltzmann machines). It provides additional insight on the reasons why this algorithm has been so successful. Finally, in chapter 8 we describe an application of machine learning to video games, where computational efficiency is tied to software and hardware engineering constraints which, although often ignored in research papers, are ubiquitous in practice.

Malgré des progrès constants en termes de capacité de calcul, mémoire et quantité de données disponibles, les algorithmes d'apprentissage machine doivent se montrer efficaces dans l'utilisation de ces ressources. La minimisation des coûts est évidemment un facteur important, mais une autre motivation est la recherche de mécanismes d'apprentissage capables de reproduire le comportement d'êtres intelligents. Cette thèse aborde le problème de l'efficacité à travers plusieurs articles traitant d'algorithmes d'apprentissage variés : ce problème est vu non seulement du point de vue de l'efficacité computationnelle (temps de calcul et mémoire utilisés), mais aussi de celui de l'efficacité statistique (nombre d'exemples requis pour accomplir une tâche donnée). Une première contribution apportée par cette thèse est la mise en lumière d'inefficacités statistiques dans des algorithmes existants. Nous montrons ainsi que les arbres de décision généralisent mal pour certains types de tâches (chapitre 3), de même que les algorithmes classiques d'apprentissage semi-supervisé à base de graphe (chapitre 5), chacun étant affecté par une forme particulière de la malédiction de la dimensionalité. Pour une certaine classe de réseaux de neurones, appelés réseaux sommes-produits, nous montrons qu'il peut être exponentiellement moins efficace de représenter certaines fonctions par des réseaux à une seule couche cachée, comparé à des réseaux profonds (chapitre 4). Nos analyses permettent de mieux comprendre certains problèmes intrinsèques liés à ces algorithmes, et d'orienter la recherche dans des directions qui pourraient permettre de les résoudre. Nous identifions également des inefficacités computationnelles dans les algorithmes d'apprentissage semi-supervisé à base de graphe (chapitre 5), et dans l'apprentissage de mélanges de Gaussiennes en présence de valeurs manquantes (chapitre 6). Dans les deux cas, nous proposons de nouveaux algorithmes capables de traiter des ensembles de données significativement plus grands. Les deux derniers chapitres traitent de l'efficacité computationnelle sous un angle différent. Dans le chapitre 7, nous analysons de manière théorique un algorithme existant pour l'apprentissage efficace dans les machines de Boltzmann restreintes (la divergence contrastive), afin de mieux comprendre les raisons qui expliquent le succès de cet algorithme. Finalement, dans le chapitre 8 nous présentons une application de l'apprentissage machine dans le domaine des jeux vidéo, pour laquelle le problème de l'efficacité computationnelle est relié à des considérations d'ingénierie logicielle et matérielle, souvent ignorées en recherche mais ô combien importantes en pratique. / Despite constant progress in terms of available computational power, memory and amount of data, machine learning algorithms need to be efficient in how they use them. Although minimizing cost is an obvious major concern, another motivation is to attempt to design algorithms that can learn as efficiently as intelligent species. This thesis tackles the problem of efficient learning through various papers dealing with a wide range of machine learning algorithms: this topic is seen both from the point of view of computational efficiency (processing power and memory required by the algorithms) and of statistical efficiency (n umber of samples necessary to solve a given learning task).The first contribution of this thesis is in shedding light on various statistical inefficiencies in existing algorithms. Indeed, we show that decision trees do not generalize well on tasks with some particular properties (chapter 3), and that a similar flaw affects typical graph-based semi-supervised learning algorithms (chapter 5). This flaw is a form of curse of dimensionality that is specific to each of these algorithms. For a subclass of neural networks, called sum-product networks, we prove that using networks with a single hidden layer can be exponentially less efficient than when using deep networks (chapter 4). Our analyses help better understand some inherent flaws found in these algorithms, and steer research towards approaches that may potentially overcome them. We also exhibit computational inefficiencies in popular graph-based semi-supervised learning algorithms (chapter 5) as well as in the learning of mixtures of Gaussians with missing data (chapter 6). In both cases we propose new algorithms that make it possible to scale to much larger datasets. The last two chapters also deal with computational efficiency, but in different ways. Chapter 7 presents a new view on the contrastive divergence algorithm (which has been used for efficient training of restricted Boltzmann machines). It provides additional insight on the reasons why this algorithm has been so successful. Finally, in chapter 8 we describe an application of machine learning to video games, where computational efficiency is tied to software and hardware engineering constraints which, although often ignored in research papers, are ubiquitous in practice.

Ce travail se concentre sur la description de certaines des similitudes syntaxiques —similarités dans la structure grammaticale ou l’ordre des mots au sein des syntagmes et des phrases— entre l’espagnol et le français actuels. Partant du constat que les similitudes syntaxiques ont été peu reflétées dans des études antérieures, il s’agit de compiler et de présenter les informations fournies par les grammaires récentes des deux langues. L’analyse des structures est complétée par des exemples provenant du Corpus del Español del Siglo XXI (CORPES) et de textes en ligne, afin d’offrir une vision aussi précise, claire et synchronique que possible des coïncidences syntaxiques entre ces langues. Le mémoire comprend cinq chapitres. Dans l’introduction, on présente l’approche générale du travail, un bref état de la question, les objectifs et les questions de recherche. Ensuite, on développe le cadre théorique et méthodologique, où sont définis le champ d’étude et les unités d’observation et d’analyse (classes de mots, groupes de mots, phrases et fonctions syntaxiques), on passe en revue les études précédentes sur les similitudes entre l’espagnol et le français, et on aborde la didactique des langues étrangères et les matériels didactiques, en mettant en évidence le rôle de la grammaire et l’importance du transfert positif dans l’apprentissage des langues. Le troisième chapitre est exclusivement consacré aux similitudes syntaxiques, en détaillant chaque groupe de mots (nominal, adjectival, verbal, adverbial, prépositionnel, conjonctif et interjectif) et les types et formes de phrases (prototypique, transformée, déclarative, interrogative, exclamative, impérative, négative, passive, emphatique, impersonnelle, simple et composée). Enfin, pour relier théorie et pratique, trois propositions didactiques sont présentées pour différents niveaux de compétence (A2, B2 et C2), dans le but de favoriser les transferts syntaxiques positifs dans l’enseignement de l’espagnol comme langue étrangère (ELE) et du français comme langue étrangère (FLE). Ces séquences d’activités visent non seulement à faciliter l’apprentissage de la grammaire, en le liant au développement de la compétence communicative, mais aussi à motiver les apprenants grâce à une approche pratique et appliquée. Le mémoire se termine par une synthèse générale, les contributions du travail au domaine de la connaissance et quelques considérations finales. / This work focuses on the description of some of the syntactic similarities— similarities in grammatical structure or word order within groups of words and sentences— between contemporary Spanish and French. Based on the observation that syntactic similarities have been scarcely reflected in previous studies, this work aims to compile and present the information provided by recent grammars of both languages. The analysis of the structures is complemented by examples from the Corpus del Español del Siglo XXI (CORPES) and online texts, to offer as precise, clear, and synchronic a view as possible of the syntactic similarities between these languages. The paper consists of five chapters. The introduction presents the general approach of the work, a brief state of the art, the objectives, and the research questions. Next, the theoretical-methodological framework is developed, where the field of study and the units of observation and analysis (word classes, word groups, sentences, and syntactic functions) are defined, previous studies on similarities between Spanish and French are reviewed, and the didactics of foreign languages and teaching materials are addressed, highlighting the role of grammar and the importance of positive transfer in language learning. The third chapter is exclusively dedicated to syntactic similarities, breaking down each word group (nominal, adjectival, verbal, adverbial, prepositional, conjunctive, and interjective) and the types and forms of sentences (prototypical, transformed, declarative, interrogative, exclamative, imperative, negative, passive, emphatic, impersonal, simple, and compound). Finally, to link theory and practice, three didactic proposals aimed at different levels of proficiency (A2, B2, and C2) are presented, with the objective of promoting positive syntactic transfers in the teaching of Spanish as a Foreign Language (ELE) and French as a Foreign Language (FLE). These activity sequences not only aim to facilitate the learning of grammar by linking it to the development of communicative competence but also seek to motivate learners through a practical and applied approach. The paper concludes with a general synthesis, the contributions of the work to the field of knowledge, and some final considerations. / Este trabajo se centra en la descripción de algunas de las semejanzas sintácticas —semejanzas en la estructura gramatical o el orden de las palabras en el seno de los sintagmas y oraciones— entre el español y el francés actuales. A partir de la constatación de que las semejanzas sintácticas han sido escasamente reflejadas en estudios anteriores, se procede a recopilar y presentar la información que suministran las gramáticas recientes de ambas lenguas. El análisis de las estructuras se complementa con ejemplos procedentes del Corpus del Español del Siglo XXI (CORPES) y de textos en línea, para ofrecer así una visión lo más precisa, clara y sincrónica posible de las coincidencias sintácticas entre estos idiomas. La memoria consta de cinco capítulos. En la introducción se presenta el planteamiento general del trabajo, un breve estado de la cuestión, los objetivos y las preguntas de investigación. A continuación, se desarrolla el marco teórico-metodológico, donde se definen el campo de estudio y las unidades de observación y análisis (clases de palabras, grupos de palabras, oraciones y funciones sintácticas), se revisan los estudios previos sobre las semejanzas entre el español y el francés, y se aborda la didáctica de lenguas extranjeras y los materiales didácticos, destacando el rol de la gramática y la importancia de la transferencia positiva en el aprendizaje de lenguas. El tercer capítulo se dedica exclusivamente a las semejanzas sintácticas, desglosando cada grupo de palabras (nominal, adjetival, verbal, adverbial, preposicional, conjuntivo e interjectivo) y los tipos y formas de las oraciones (prototípica, transformada, declarativa, interrogativa, exclamativa, imperativa, negativa, pasiva, enfática, impersonal, simple y compuesta). Finalmente, para vincular teoría y práctica, se presentan tres propuestas didácticas dirigidas a distintos niveles de competencia (A2, B2 y C2), con el objetivo de propiciar las transferencias sintácticas positivas en la enseñanza del español como lengua extranjera (ELE) y del francés como lengua extranjera (FLE). Estas secuencias de actividades no solo buscan facilitar el aprendizaje de la gramática, vinculándolo al desarrollo de la competencia comunicativa, sino que también pretenden motivar a los aprendientes mediante un enfoque práctico y aplicado. La memoria concluye con una síntesis general, los aportes del trabajo al área de conocimiento y unas consideraciones finales.

Vor dem Hintergrund der Ausspracheabweichungen, die chinesische Muttersprachler beim Erwerb der deutschen Aussprache produzieren bzw. aufweisen, widmet sich die vorliegende Arbeit einer intensiven kontrastiven phonetisch-phonologischen Analyse des Deutschen (Standardbinnendeutsch) und des Chinesischen (Putonghua) auf der segmentalphonetischen und -phonologischen, der phonotaktischen und der suprasegmentalen Ebene, um hierauf aufbauend internetbasierte Lehr- und Lernmaterialien zur deutschen Aussprache für chinesische Muttersprachler zu entwickeln. Exemplarisch für diese Konzeption stehen zwei zweieinhalb- bis dreiminütige selbst entwickelte und professionell ausgearbeitete Lernvideos (zu den deutschen Kurz- und Langvokalen sowie zu Konsonantenhäufungen). / Considering pronunciation deviations which are produced by Chinese native speakers in the learning of German pronunciation, this dissertation conducts an intensive contrastive phonetic-phonological analysis of German (Standard internal German) and Chinese (Putonghua) on the segmental, the phonotactic and the suprasegmental levels, in order to further develop internet-based teaching and learning materials for German pronunciation targeting Chinese native speakers. Two educational videos about German pronunciation for Chinese native speakers based on this contrast are developed as a result of this analysis, with one focusing on German short and long vowels and the other on consonant clusters.