Québec Université Laval, Bibliothèque 2015

Dans ce mémoire, l'objectif est de prédire les compétences émergentes en utilisant l'information contenue dans les offres d'emploi. Nous combinons le Least Absolute Shrinkage and Selection Operator (LASSO) et l'analyse de texte pour prédire les compétences émergentes. Pour y arriver, nous utilisons la description d'offres d'emploi dans le domaine des animateurs pour le cinéma et l'année de publication des offres. Les offres d'emploi utilisées s'étendent de 2014 à 2021 et proviennent d'un site spécialisé dans le domaine pour les régions de Québec et de Montréal. L'algorithme est en mesure de prédire les compétences émergentes et les compétences moins fréquemment demandées par les employeurs. Nous obtenons respectivement le logiciel Maya et le logicel Nuke comme compétence émergente et compétence de moins en moins demandée par les employeurs.

Il a été démontré que les mots sont plus faciles à reconnaître lorsque leur moitié inférieure est effacée, laissant leur moitié supérieure intacte, que lorsque leur moitié supérieure est effacée. Si la reconnaissance de lettres sous-tend la reconnaissance de mots tel qu'il est généralement pris pour acquis, alors un tel effet devrait aussi être présent au niveau des lettres, mais ce n'est pas le cas. Le but de ce mémoire a d'abord été d'investiguer cette différence entre lettres et mots et, ensuite, de démontrer que la préférence pour le haut des mots ne peut pas s'expliquer par les lettres. Finalement, nous nous questionnons sur l'existence d'un construit intermédiaire entre lettres et mots et proposons les chaînes lexicales. / It has been demonstrated that words are more readily recognized when their lower half has been erased, leaving the upper half intact, than when the upper half has been erased. If letter recognition subtends word recognition as it is so often assumed, then we would expect to find a similar effect with letters, but it is not the case. The goal of this master's thesis has first been to investigate this difference between words and letters and then to demonstrate that the preference for the upper half of words cannot be accounted for by letters. In the end, we look into the existence of a construct between features and words and propose that lexical strings could be that construct.

Les techniques de description des éléments caractéristiques d’une image sont omniprésentes dans de nombreuses applications de vision par ordinateur. Nous proposons à travers ce manuscrit une extension, pour décrire (représenter) et apparier les éléments caractéristiques des images. L’extension proposée consiste en une approche originale pour apprendre, ou estimer, la présence sémantique des éléments caractéristiques locaux dans les images. L’information sémantique obtenue est ensuite exploitée, en conjonction avec le paradigme de sac-de-mots, pour construire un descripteur d’image performant. Le descripteur résultant, est la combinaison de deux types d’informations, locale et contextuelle-sémantique. L’approche proposée peut être généralisée et adaptée à n’importe quel descripteur local d’image, pour améliorer fortement ses performances spécialement quand l’image est soumise à des conditions d’imagerie contraintes. La performance de l’approche proposée est évaluée avec des images réelles aussi bien dans les deux domaines, 2D que 3D. Nous avons abordé dans le domaine 2D, un problème lié à l’appariement des éléments caractéristiques dans des images. Dans le domaine 3D, nous avons résolu les problèmes d’appariement et alignement des vues partielles tridimensionnelles. Les résultats obtenus ont montré qu’avec notre approche, les performances sont nettement meilleures par rapport aux autres méthodes existantes. / This manuscript presents an extension of feature description and matching strategies by proposing an original approach to learn the semantic information of local features. This semantic is then exploited, in conjunction with the bag-of-words paradigm, to build a powerful feature descriptor. The approach, ended up by combining local and context information into a single descriptor, is also a generalized method for improving the performance of the local features, in terms of distinctiveness and robustness under geometric image transformations and imaging conditions. The performance of the proposed approach is evaluated on real world data sets as well as in both the 2D and 3D domains. The 2D domain application addresses the problem of image feature matching while in 3D domain, we resolve the issue of matching and alignment of multiple range images. The evaluation results showed our approach performs significantly better than expected results as well as in comparison with other methods.

Chez les enfants souffrant de troubles spécifiques du langage oral (TSLO), des déficits demémoire à court terme verbale et d’acquisition lexicale sont fréquemment décrits. Ces capacités sont évaluées par des tâches de répétition et plus généralement de production verbale, mettant en jeu demultiples composants susceptibles d’être altérés dans les TSLO. Dans ce contexte, l’objectif généralde cette thèse était l’examen de mécanismes de mémorisation verbale à l’aide du paradigme dumonde visuel. L’oculométrie consiste à analyser les mouvements oculaires des participants sur desimages, à la suite de stimulations verbales. La reconnaissance et la mémorisation à court terme demots parlés familiers ont été examinées à travers quatre études, auxquelles les participants avec etsans TSLO âgés de 5 et 6 ans, ont obtenu des résultats comparables. Seules des différences enfonction de l’âge ont été révélées, reflétant les changements développementaux du traitement lexical.Dans un second temps, le paradigme d’appariement rapide pour l’acquisition de nouveaux mots(« fast mapping »), nécessitant peu de présentations, a été proposé à trois groupes d’enfants. Leurscapacités d’acquisition lexicale ont à nouveau été évaluées via le paradigme du monde visuel à unetâche de reconnaissance de mots parlés. Les groupes TSLO présentant des déficits en répétitionverbale, ont néanmoins reconnu et apparié les nouvelles étiquettes lexicales aux images référentes,comme leurs pairs au développement typique. Les études menées ont permis de mettre en évidenceque le maintien à court terme de l'information verbale ainsi que l’encodage de nouvelles informationssont efficients chez les enfants avec TSLO, lorsque la production verbale n’est pas sollicitée. / In children suffering from specific language impairment (SLI), verbal short term memory disorders and lexical learning inability are frequently described. These skills are assessed through repetition tasks and more generally, with verbal output modality which variety of components can be impaired in SLI. In this context, the general aim of this research work was the examination of verbal memorization processes through visual world paradigm. This eye-tracking tasks consist in analyzing eye movements of participants on pictures, consecutively to verbal stimulations. Recognition and short term retention of familiar spoken words were investigated through four studies, in which participants aged 5 and 6, with and without SLI, shown similar patterns of result. Only age differences were revealed, suggesting developmental changing of lexical processing. In a second phase, the fast mapping word learning paradigm requiring few occurences of new words, was proposed to three groups of children. Their lexical learning abilities were again assessed within the visual world paradigm and a spoken word recognition task. SLI groups with poor performances in verbal repetition tasks, have nevertheless associated the new lexical label with referent picture, as their peers with typical development. These studies suggest that verbal information retention in short term memory and encoding of new information are efficient in SLI children, when the tasks do not require any verbal output.

La langue arabe est pauvre en ressources sémantiques électroniques. Il y a bien la ressource Arabic WordNet, mais il est pauvre en mots et en relations. Cette thèse porte sur l’enrichissement d’Arabic WordNet par des synsets (un synset est un ensemble de mots synonymes) à partir d’un corpus général de grande taille. Ce type de corpus n’existe pas en arabe, il a donc fallu le construire, avant de lui faire subir un certain nombre de prétraitements.Nous avons élaboré, Gilles Bernard et moi-même, une méthode de vectorisation des mots, GraPaVec, qui puisse servir ici. J’ai donc construit un système incluant un module Add2Corpus, des prétraitements, une vectorisation des mots à l’aide de patterns fréquentiels générés automatiquement, qui aboutit à une matrice de données avec en ligne les mots et en colonne les patterns, chaque composante représente la fréquence du mot dans le pattern.Les vecteurs de mots sont soumis au modèle neuronal Self Organizing Map SOM ; la classification produite par SOM construit des synsets. Pour validation, il a fallu créer un corpus de référence (il n’en existe pas en arabe pour ce domaine) à partir d’Arabic WordNet, puis comparer la méthode GraPaVec avec Word2Vec et Glove. Le résultat montre que GraPaVec donne pour ce problème les meilleurs résultats avec une F-mesure supérieure de 25 % aux deux autres. Les classes produites seront utilisées pour créer de nouveaux synsets intégrés à Arabic WordNet / The Arabic language is poor in electronic semantic resources. Among those resources there is Arabic WordNet which is also poor in words and relationships.This thesis focuses on enriching Arabic WordNet by synsets (a synset is a set of synonymous words) taken from a large general corpus. This type of corpus does not exist in Arabic, so we had to build it, before subjecting it to a number of pretreatments.We developed, Gilles Bernard and myself, a method of word vectorization called GraPaVec which can be used here. I built a system which includes a module Add2Corpus, pretreatments, word vectorization using automatically generated frequency patterns, which yields a data matrix whose rows are the words and columns the patterns, each component representing the frequency of a word in a pattern.The word vectors are fed to the neural model Self Organizing Map (SOM) ;the classification produced constructs synsets. In order to validate the method, we had to create a gold standard corpus (there are none in Arabic for this area) from Arabic WordNet, and then compare the GraPaVec method with Word2Vec and Glove ones. The result shows that GraPaVec gives for this problem the best results with a F-measure 25 % higher than the others. The generated classes will be used to create new synsets to be included in Arabic WordNet.

Cette thèse étudie le processus d'institutionnalisation de la formation à distance au Québec en l'analysant à partir du cas de la Télé-université, depuis sa création à titre d'organisme expérimental en 1972 jusqu'à l'octroi de ses lettres patentes en 1992. Si elle n'est pas la plus ancienne institution de formation à distance, elle n'en est pas moins la plus importante puisqu'elle représente la majeure partie des effectifs étudiants rejoints par cette forme d'enseignement.<br /><br />Notre étude met en évidence la diversité des attentes dont est investie la formation à distance ainsi que la multiplicité des facteurs (sociaux, économiques, organisationnels et politiques) qui modèlent son institutionnalisation. Nous étudions notamment le processus d'élaboration du projet de lettres patentes de la Télé-université jusqu'à l'acceptation finale. En l'occurrence, la prise de décision publique apparaît comme un phénomène contingent, qui résulte de la rencontre aléatoire de problèmes, de solutions et de la présence de décideurs enclins à agir. Notre étude montre ainsi de quelle façon et pour quelles raisons ce projet s'est trouvé transformé et comment s'est élaborée une politique de la formation à distance.

Les recherches effectuées dans le domaine de la reconnaissance automatique de la parole (RAP) permettent d'envisager un éventail toujours plus large d'applications industrielles ou grand public. Cependant, la compréhension des mécanismes de production et de reconnaissance de la parole par l'Homme ne suffit pas en elle-même pour élaborer effectivement les dites applications. Les conditions de laboratoire qui ont prévalues lors de l'enregistrement des premiers corpus de parole utilisés à des fins de recherches sont en effet très différentes des conditions réelles que l'on rencontre généralement dans les lieux de travail ou de vie. Ayant le plus souvent été enregistrés en chambre anéchoïde, ces corpus ne permettaient pas plus d'appréhender les dégradations que le milieu peut engendrer sur le signal de parole que de constater quelles pouvaient être les modifications provoquées sur ce signal par un locuteur essayant de s'adapter à son milieu. Certaines des recherches actuelles en RAP essaient donc d'améliorer les capacités de résistance au bruit des systèmes existants. Pour ce faire, il est possible d'utiliser un système d'abord défini pour la reconnaissance de la parole non bruitée en lui ajoutant un mécanisme lui permettant de s'adapter à certaines conditions de bruit. Il est également possible de définir un système ab-nihilo qui soit tout aussi bien adapté aux conditions non bruitées qu'aux conditions bruitées. Le sujet de cette thèse porte sur la reconnaissance de petits vocabulaires, tels que les lettres ou les chiffres, prononcés de manière continue en milieu bruité. Pour mener à bien cette étude, différentes architectures connexionnistes ont été étudiées. L'utilisation de modèles connexionnistes nous a permis de mettre au point, grâce au mécanisme d'apprentissage, des systèmes qui sont immédiatement adaptés à différentes conditions de bruit. Un premier système a été mis en place qui permet, en trois étapes, de reconnaître les mots du vocabulaire étudié. Une première étape identifie des points d'ancrage dans le signal, ces points d'ancrage correspondant à une segmentation des parties vocaliques du signal. Une deuxième étape permet de reconnaître les voyelles contenues dans les segments retenus alors qu'une troisième étape permet de distinguer les différents mots du vocabulaire qui possèdent les mêmes voyelles. Cette architecture, basée sur des perceptrons multicouches, a prouvé être de bonne qualité mais l'étape de segmentation s'est révélée être de moindre qualité à des rapports signal sur bruit faible c'est à dire de l'ordre de 6 décibels ou moins. Ceci nous a poussé à étudier des modèles connexionnistes dynamiques, à l'opposé des perceptrons multicouches qui sont des modèles statiques. Les modèles dynamiques ont la particularité de mettre en place des mécanismes de récurrence qui permettent de mieux appréhender les phénomènes temporels tel que peut l'être un problème de segmentation de la parole. Le modèle gamma, un modèle connexionniste à récurrence locale, a ainsi été choisi tout autant pour ses capacités à modéliser les évènements temporels que pour la facilité avec laquelle il peut être analysé. Il a été appliqué à des problèmes de reconnaissance de séquences, ce qui a permis d'explorer ses capacités, ainsi qu'à des tâches de segmentation, pour tenter de résoudre les problèmes posés par les perceptrons multicouches lors de l'utilisation de notre premier système.

Les techniques de description des éléments caractéristiques d'une image sont omniprésentes dans de nombreuses applications de vision par ordinateur. Nous proposons à travers ce manuscrit une extension, pour décrire (représenter) et apparier les éléments caractéristiques des images. L'extension proposée consiste en une approche originale pour apprendre, ou estimer, la présence sémantique des éléments caractéristiques locaux dans les images. L'information sémantique obtenue est ensuite exploitée, en conjonction avec le paradigme de sac-de-mots, pour construire un descripteur d'image performant. Le descripteur résultant, est la combinaison de deux types d'informations, locale et contextuelle-sémantique. L'approche proposée peut être généralisée et adaptée à n'importe quel descripteur local d'image, pour améliorer fortement ses performances spécialement quand l'image est soumise à des conditions d'imagerie contraintes. La performance de l'approche proposée est évaluée avec des images réelles aussi bien dans les deux domaines, 2D que 3D. Nous avons abordé dans le domaine 2D, un problème lié à l'appariement des éléments caractéristiques dans des images. Dans le domaine 3D, nous avons résolu les problèmes d'appariement et alignement des vues partielles tridimensionnelles. Les résultats obtenus ont montré qu'avec notre approche, les performances sont nettement meilleures par rapport aux autres méthodes existantes.

Il a été démontré que les mots sont plus faciles à reconnaître lorsque leur moitié inférieure est effacée, laissant leur moitié supérieure intacte, que lorsque leur moitié supérieure est effacée. Si la reconnaissance de lettres sous-tend la reconnaissance de mots tel qu'il est généralement pris pour acquis, alors un tel effet devrait aussi être présent au niveau des lettres, mais ce n'est pas le cas. Le but de ce mémoire a d'abord été d'investiguer cette différence entre lettres et mots et, ensuite, de démontrer que la préférence pour le haut des mots ne peut pas s'expliquer par les lettres. Finalement, nous nous questionnons sur l'existence d'un construit intermédiaire entre lettres et mots et proposons les chaînes lexicales. / It has been demonstrated that words are more readily recognized when their lower half has been erased, leaving the upper half intact, than when the upper half has been erased. If letter recognition subtends word recognition as it is so often assumed, then we would expect to find a similar effect with letters, but it is not the case. The goal of this master's thesis has first been to investigate this difference between words and letters and then to demonstrate that the preference for the upper half of words cannot be accounted for by letters. In the end, we look into the existence of a construct between features and words and propose that lexical strings could be that construct.