Mesures automatiques de parole non-native : exploration pilote d'un corpus d'apprenants japonais de français et différenciation de niveaux

International audienceThis study focuses on the automatic evaluation of the speech of Japanese learners of French. Our data are semi-spontaneous oral productions of learners from the CLIJAF corpus. We evaluate different linguistic levels (pronunciation, lexicon, syntax, discourse) using automatic assessment tools. Our first objective is to study whether these measurements are in line with the general level of proficiency of the learners, as defined by the CEFRL (A2 to C2). Our second objective is to explore the possibility of predicting this level using the most relevant linguistic parameters, with an unsupervised machine learning algorithm. The results confirm the relevance of our objectives and show that automatically extracted parameters such as lexical diversity, the average length of speech turns (syntactic level), the proportion of connectives in the discourse and several parameters related to fluency can contribute to the prediction of learners’ level.Cette étude s'intéresse à l'évaluation automatique de la parole de Japonais apprenant le français. Nos données sont des productions orales semi-spontanées, issues du corpus CLIJAF. Nous évaluons différents niveaux linguistiques (prononciation, lexique, syntaxe, discours) à l'aide de mesures automatiques. Notre premier objectif est d'étudier si ces mesures sont en adéquation avec le niveau général des apprenants, tel que défini par le CECRL (A2 à C2). Notre deuxième objectif est d'explorer la possibilité de prédire ledit niveau en utilisant les paramètres linguistiques les plus pertinents, avec un algorithme d'apprentissage automatique non-supervisé. Les résultats obtenus valident la pertinence de nos objectifs et montrent que des paramètres extraits automatiquement tels que la diversité lexicale, la longueur moyenne des tours de parole (niveau syntaxique), la proportion de marqueurs du discours et plusieurs paramètres liés à la fluence peuvent contribuer à la prédiction du niveau des apprenants