Prédire une pause dans les données d’écriture en temps réel
Résumé
This study analyzes real-time recorded writing data to predict the occurrence of pauses. The writing process alternates between periods of burst production, or linguistic sequences, and pauses. Two hypotheses are tested : (1) pauses are influenced by the content of bursts, suggesting a link to lexical context, and (2) the morpho-syntactic categories (POS) of bursts affect the distribution of pauses. The data are preprocessed to integrate linguistic information. Various techniques, including machine learning and deep learning, are applied for regression and classification tasks. The CamemBERT model shows promising results, achieving accuracy scores of around 90% in the binary classification task. The results indicate that pauses are more influenced by the content that follows them, while the impact of POS remains to be assessed.
La présente étude analyse des données d’écriture enregistrées en temps réel pour prédire l’apparition des pauses. En effet, le processus d’écriture fait alterner des périodes de production de bursts, ou séquences linguistiques, et des pauses. Deux hypothèses sont testées : (1) les pauses sont influencées par le contenu des bursts, suggérant un lien avec le contexte lexical, et (2) des catégories morphosyntaxiques (POS) des bursts impactent la distribution des pauses. Les données sont prétraitées pour intégrer des informations linguistiques. Différentes techniques, incluant l’apprentissage automatique et profond, sont appliquées pour des tâches de régression et de classification. Le modèle CamemBERT montre des résultats prometteurs atteignant des scores de précision d’environ 90 % dans la tâche de classification binaire. Les résultats indiquent que les pauses sont davantage influencées par les contenus qui les suivent, et les POS semblent avoir un impact qui reste à évaluer.