Prédire et explorer les niveaux CECR dans les écrits d’étudiants en anglais L2
Résumé
Les Centres de langues sont des acteurs essentiels du CLES en France. Dans le cadre de la préparation des étudiants, leurs enseignant-e-s mettent en œuvre la démarche actionnelle dont les macro-tâches d’écrit impliquent un travail de correction manuelle. Dans le contexte LANSAD dégradé des universités (Millot et al., 2015), il est difficile de proposer de fréquents retours formatifs. Grâce aux outils numériques (Tardif et al., 2022), les enseignant-e-s peuvent maintenant faire des analyses automatiques (Yannakoudakis et al., 2018) mais les plateformes d'enseignements des universités n’intègrent ce type d’outils. Le projet ANONY propose un système d'analyse automatique des écrits en anglais L2. Conçu pour aider les enseignants et intégré à MOODLE (Dougiamas & Taylor, 2003), cet outil classe automatiquement les textes en fonction de différents indicateurs linguistiques et descripteurs du CECR (Conseil de l’Europe, 2018). L’approche repose sur des mesures textuelles de complexité linguistique, la phraséologie (Kyle et al., 2021; Li & Gaillat, 2020), la cohésion du discours (Crossley et al., 2016) et les alternances syntaxiques (Mallart et al., 2023b). Entraînés sur des données d’apprenants LANSAD (Mallart et al., 2023a) des modèles de prédiction permettent d’identifier les profils linguistiques par groupe ou par individu. Les enseignant-e-s peuvent alors ajuster leur instruction, multiplier les activités d’écrits formatifs et dédoubler leurs groupes pour plus d’oral.