TranslanguagingTranslanguaging is a term that can refer to different aspects of multilingualism. It can describe the way bilinguals and multilinguals use their linguistic resources to make sense of and interact with the world around them. It can also refer to a pedagogical approach that utilizes more than one language within a classroom lesson. The term "translanguaging" was coined in the 1980s by Cen Williams (applied in Welsh as trawsieithu) in his unpublished thesis titled “An Evaluation of Teaching and Learning Methods in the Context of Bilingual Secondary Education.
Modèle de langageEn traitement automatique des langues, un modèle de langage ou modèle linguistique est un modèle statistique de la distribution de symboles distincts (lettres, phonèmes, mots) dans une langue naturelle. Un modèle de langage peut par exemple prédire le mot suivant dans une séquence de mots. Un modèle de langage n-gramme est un modèle de langage qui modélise des séquences de mots comme un processus de Markov. Il utilise l'hypothèse simplificatrice selon laquelle la probabilité du mot suivant dans une séquence ne dépend que d'une fenêtre de taille fixe de mots précédents.
Markov modelIn probability theory, a Markov model is a stochastic model used to model pseudo-randomly changing systems. It is assumed that future states depend only on the current state, not on the events that occurred before it (that is, it assumes the Markov property). Generally, this assumption enables reasoning and computation with the model that would otherwise be intractable. For this reason, in the fields of predictive modelling and probabilistic forecasting, it is desirable for a given model to exhibit the Markov property.
Production de la paroleLa production de la parole est un processus qui transforme les pensées en parole. Cette activité comprend la sélection des mots, l'organisation des formes grammaticales pertinentes et l'articulation des sons par le système moteur via l'appareil vocal. Cette production peut être spontanée (par exemple, quand une personne prononce des mots lors d'une conversation), réactive (par exemple, quand elle identifie une illustration ou qu'elle fait une lecture à voix haute) ou imitative (quand elle répète les mots qu'une autre personne a dits).
Reconnaissance optique de caractèresvignette|Vidéo montrant un processus de reconnaissance optique de caractères effectué en direct grâce à un scanner portable. La reconnaissance optique de caractères (ROC, ou OCR pour l'anglais optical character recognition), ou océrisation, désigne les procédés informatiques pour la traduction d'images de textes imprimés ou dactylographiés en fichiers de texte. Un ordinateur réclame pour l'exécution de cette tâche un logiciel d'OCR.
Variété (linguistique)En sociolinguistique, une variété est, dans une langue donnée, une ramification qui constitue un système linguistique spécifique et cohérent, utilisé par une catégorie de locuteurs délimitée selon certains critères extra-linguistiques. Dans la sociolinguistique américaine, le terme lecte (du grec lektos « choisi ; mot, expression »), introduit pour dénommer la variété de langue, est également employé comme élément second de composition dans la dénomination de divers types de variétés : idiolecte (variété individuelle) ; « régiolecte », « géolecte », « topolecte » (variété régionale) ; sociolecte (variété sociale) ; « ethnolecte » (variété parlée par une ethnie) ; « technolecte » (langage ou jargon de spécialité).
Speech repetitionSpeech repetition occurs when individuals speak the sounds that they have heard another person pronounce or say. In other words, it is the saying by one individual of the spoken vocalizations made by another individual. Speech repetition requires the person repeating the utterance to have the ability to map the sounds that they hear from the other person's oral pronunciation to similar places and manners of articulation in their own vocal tract.
Statistical learning in language acquisitionStatistical learning is the ability for humans and other animals to extract statistical regularities from the world around them to learn about the environment. Although statistical learning is now thought to be a generalized learning mechanism, the phenomenon was first identified in human infant language acquisition. The earliest evidence for these statistical learning abilities comes from a study by Jenny Saffran, Richard Aslin, and Elissa Newport, in which 8-month-old infants were presented with nonsense streams of monotone speech.
Acquisition des langues étrangèresL’acquisition des langues étrangères est une science humaine appliquée qui réunit des aspects théoriques de la psychologie et de la linguistique. L'objet de cette discipline est, l'étude des facteurs influençant l'acquisition d'une langue seconde ou langue étrangère ; ces différents facteurs étant linguistiques, cognitifs et socio-psychologiques. Les principaux points du domaine sont : Le rôle de la langue maternelle dans l'apprentissage d'une langue seconde. L'acquisition d'une langue seconde pour un sourd.
Disfluence verbaleUne disfluence verbale, dysfluence verbale ou disfluidité verbale consiste en toute sorte de rupture, d’irrégularité, ou d'élément non lexical qui apparaît dans un discours normalement fluide. Y sont compris les « faux-départs » (mots coupés à mi-propos), les phrases répétées ou recommencées, les syllabes répétées, les tics de langage, tels que les grommellements, propos non lexicaux tels que « euh », « hum », « hem », ou propos « réparés », quand le locuteur corrige ses propres erreurs de parole et de prononciation avant que quelqu’un d’autre n’aie pu le faire.
Modèle de Markov cachéUn modèle de Markov caché (MMC, terme et définition normalisés par l’ISO/CÉI [ISO/IEC 2382-29:1999]) — (HMM)—, ou plus correctement (mais non employé) automate de Markov à états cachés, est un modèle statistique dans lequel le système modélisé est supposé être un processus markovien de paramètres inconnus. Contrairement à une chaîne de Markov classique, où les transitions prises sont inconnues de l'utilisateur mais où les états d'une exécution sont connus, dans un modèle de Markov caché, les états d'une exécution sont inconnus de l'utilisateur (seuls certains paramètres, comme la température, etc.
