Article lecture

Auteurices : Stephen C. Pritchard, Max Coltheart, Sallyanne Palethorpe, and Anne Castles

Maëlle lecompagnonApolline cuziatSWANN MORVAN

Non word Reading: Comparing Dual-Route cascaded and connectionnist dual-process models with human data

Méthodologie

Contexte

Modèles

Présentation

Bibliographie

Résultats

INDEX

Avis

Stephen C. Pritchard

Saylanne Palerthorpe

Anne Castle

Max Coltheart

Auteurices

Présentation

Dans la catégorie des modèles de lecture à voix haute, on retrouve la catégorie des modèles à double voie

Présentation

Modèle DRC

Modèle n°1

Modèle DRC

Schéma simplifié

Phonème de sortie

Graphème d'entrée

Modèle CDP+

Contexte d'expérience

Participation

Lecture de non-mots

CHÊME

PRIANN

BLAIL

CLEUILLE

Limite : non prise en compte des réponses irrégulières

Limite : "critère de notation d'erreur indulgent"

Résultats : taux d’erreur de 1,07%

Résultats : taux d'erreur de 6,25% < un score humain de 7,3%.

Critère de notation : la régularité

Objectif : évaluer les performances de prononciation de non-mots de DRC

Critère de notation : les réponses de non-mots comme correctes si la chaîne de phonèmes de sortie sont des relations graphème-phonème qui existent dans de vrais mots

Objectif : évaluer les performances de prononciation de non-mots de CDP+

Expérience Coltheart et al. en 2001

Expériences

Expérience Perry et al en 2007

Sur quel critère peut on évaluer la prononciation des non-mots de deux modèles DRC et CDP + ?

la prononciation humaine réelle et pas seulement les prononciatiosns les plus fréquentes

Methodologie

• 1475 logatomes monosyllabiques,monomorphémiques
• Onsets existants
• 412 non-mots lus.

SELECTION DES STIMULIS

PARTICIPANTS

• 47 étudiant.es en psychologie.
• Parlant un Anglais Australien standard
• 2 participants exclus : donc 45
• Seulement 8 hommes.

Procédure

• Lecture à voix haute
• Enregistrement audio

• 10 secondes pour répondre
• Temps de réponse non partagé
• Environ 50 minutes.

TRANSCRIPTION

• Palethorpe : Transcriptrice expérimentée de la parole
• Pritchard : Transcripteur à l'oreille.

NETTOYAGE DES données

• Répétitions ou parole trop faible

RESULTAT, DISCUSSION

RESULTATS

RESULTATS

2.Classification des réponses

1. Comparaison des taux de lexicalisation

Analyses des réponses de Non-mots

Analyse

Analyse

1. Comparaison des taux de lexicalisation

Analyse

Exemple : BRANE" est un pseudohomophone régulier car il se prononce comme le mot "brain"

Exemple: BLIGN comme "bline" [rimant avec "line"], mais prononçant le mot parlé "blind"

Exemple : NATCH avec WATCH

Pseudohomophones réguliers et irréguliers

Capture lexicale phonologique

Capture lexicale orthographique

3. Mécanismes pour comprendre les lexicalisations :

Analyse

Analyse

Analyse

• Prononciation régulière
• Différence de voyelle
• Phonème omis
• Phonème supplémentaire
• Différence de coda
• Différence de consonne
• Autre, combiniason

Analyse

2. Classification des réponses

Analyse

• But de l'expérience
• Lexicalisation
• Amélioration
• Performances

Discussion

AVIS CRITIQUES

https://hal.science/hal-01420329v2/document

RESSOURCES BIBLIOGRAPHIQUES

Merci de votre attention