Bayesian modelling of reading

Les modèles computationnels de la lecture adoptent pour la plupart une architecture double-voie qui suppose que les connaissances impliquées dans les traitements sériels diffèrent fondamentalement des connaissances mises en jeu lorsque le traitement est parallèle. Ainsi, la lecture des mots nouveaux ou pseudo-mots implique un système de correspondances graphème-phonème via la voie sous-lexicale qui opère de façon sérielle alors que la lecture des mots connus repose sur l’activation de connaissances lexicales via la voie lexicale qui est parallèle. Ces modèles postulent également que le système de conversion graphème-phonème est explicite, stocké indépendamment et indispensable à la lecture des pseudo-mots. Ils supposent, de plus, que ce système de conversion est précédé d’un système de segmentation du mot en sous-unités à convertir indépendamment.Cependant, d’autres modèles de lecture postulent que les traitements parallèles et sériels font intervenir le même type de connaissances. Ces deux classes de modèles s’accordent pour expliquer les traitements parallèles en lecture mais s’opposent quant à la description des traitements sériels. Ils diffèrent donc sur leur explication des effets de longueur, c’est-à-dire l’observation de durées de traitement plus longs pour les stimuli longs. En effet, les modèles double-voie ne peuvent interpréter ces effets de longueur que par le biais du décodage sériel de la voie sous-lexicale. De plus, même si tous les modèles s’accordent à propos du rôle de l’attention visuelle dans le traitement sériel, les mécanismes correspondants sont assez peu décrits, notamment mathématiquement, dans la littérature.Cette thèse a pour but d’évaluer l'hypothèse selon laquelle un traitement ne mettant en jeu que les connaissances lexicales apprises sur les mots est en mesure de rendre compte des relations sous-lexicales entre unités orthographiques et unités phonologiques, de simuler les effets de longueur dans différents types de tâches et d’opérer une segmentation sous-lexicale des mots nouveaux.Pour cela, nous proposons un nouveau modèle computationnel probabiliste de la lecture nommé « BRAID-Phon ». Ce modèle est une extension du modèle computationnel de reconnaissance de mots du modèle « BRAID » par ajout d’un sous-modèle de connaissances phonologiques. Nous utilisons le modèle BRAID-Phon pour étudier la plausibilité d’un système basé sur une architecture « simple-voie », c'est-à-dire incluant uniquement des connaissances lexicales orthographiques et phonologiques pour effectuer une simulation de la lecture. Nous montrons la capacité de BRAID-Phon à rendre compte des effets de longueur sur les mots dans trois types de tâches (lecture, décision lexicale et démasquage progressif et étudions le rôle des mécanismes implémentés d’attention visuelle sur ces effets. Enfin, nous illustrons la nécessité d’un processus de segmentation, contrôlé par l’attention, pour effectuer la lecture de pseudo-mots.Most computational models of reading adopt a two-route architecture that assumes that the knowledge involved in serial processing differs fundamentally from the knowledge involved when processing is parallel. Thus, the reading of new words or pseudowords involves a system of grapheme-phoneme correspondences via the sublexical route that operates serially, whereas the reading of known words relies on the activation of lexical knowledge via the lexical route that is parallel. These models also suppose that the grapheme-phoneme conversion system is explicit, independently stored, and necessary for the reading of pseudowords. They assume, moreover, that this conversion system is preceded by a system of segmentation of the word into subunits to be converted independently.However, other reading models assume that parallel and serial processing involve the same type of knowledge. These two classes of models agree on the explanation of parallel processing in reading but do not agree on the description of serial processing. They, therefore, differ on their explanation of length effects, i.e. the observation of longer response times for long stimuli. Indeed, dual-route models can only interpret these length effects through serial decoding of the sublexical channel. Moreover, even if all models agree on the role of visual attention in serial processing, the corresponding mechanisms are not well described, especially mathematically, in the literature.This thesis aims to evaluate the hypothesis that a treatment involving only learned lexical knowledge about words can account for sublexical relationships between orthographic and phonological units, simulate length effects in different types of tasks, and perform sublexical segmentation of new words.For this purpose, we propose a new probabilistic computational model of reading called "BRAID-Phon". This model is an extension of the computational word recognition model of the "BRAID" model by adding a phonological knowledge sub-model. We use the BRAID-Phon model to study the plausibility of a system based on a "single-route" architecture, i.e. including only orthographic and phonological lexical knowledge to perform a reading simulation. We show the ability of BRAID-Phon to account for length effects on words in three types of tasks (reading, lexical decision, and progressive unmasking) and study the role of implemented visual attention mechanisms on these effects. Finally, we illustrate the need for an attention-controlled segmentation process to perform pseudoword reading