Voici une offre de thèse qui s’appuie sur la base lexicale jibiki et que je codirigerai avec Mathieu Loiseau. Si vous êtes intéressé ou si vous connaissez quelqu’un qui le serait, n’hésitez pas à diffuser !
Contexte scientifique
L’acquisition du lexique est au cœur de l’apprentissage d’une langue étrangère (Schmitt 2008, 329), cependant les volumes horaires alloués à la formation en langue, que ce soit dans le secondaire où chez les non-spécialistes dans le supérieur, ne permettent pas toujours d’intégrer un apprentissage lexical explicite. Outre les conséquences de l’approche communicative (Hilton 2002), le temps en classe est dédié à l’interaction, faisant du travail lexical une tâche à mener en autonomie pour les étudiants (Freund 2016). Or, il s’agit d’une tâche fastidieuse et complexe, qui demande à l’apprenant d’intégrer des informations relevant de différents niveaux conceptuels (forme, sens et combinatoire) selon plusieurs modalités (production/réception, oral/écrit) (Tremblay et Anctil 2020). La motivation n’est pas un simple facteur de cette tâche, elle fait partie intégrante du cycle d’apprentissage du lexique (Tseng et Schmitt 2008, 383).
Avec cette problématique, le projet Lex:gaMe propose de mettre à disposition des enseignants et des étudiants du centre de langue de l’université Lyon 2 un ensemble d’outils : deux jeux faisant appel à des niveaux d’information lexicale distincte, ainsi qu’une base lexicale personnalisable (Lex:M). Lex:gaMe vise, entre autres, à estimer les apports des deux jeux proposés, aussi bien en termes de motivations que d’acquisition lexicales.
La pierre angulaire du projet est la base lexicale Lex:M (Mangeot et al. 2016) qui outre ses possibilités intrinsèques (dictionnaire de référence, gestion d’un lexique personnel pour chaque étudiant, cf. vocabulary notebook (Nation 2013, 140)), aura la charge de faire le lien avec l’activité de l’apprenant dans les jeux. Sur la base de ce lexique, le premier enjeu sera que Lex:M offre un retour réflexif à chaque étudiant sur son activité et les connaissances lexicales consultées. Le deuxième enjeu sera d’aider à maintenir sa motivation à travers les liens effectués avec d’autres activités (ex : création de parties de MagicWord à partir de mots sélectionnés dans Lex:M).
La thèse proposée ici vise à définir les modalités de ce retour réflexif et des interactions entre Lex:M et les jeux du projet (https://magicword.lezinter.net / https://gameofwords.lezinter.net).
Objectifs de la thèse :
Suite à une analyse de l’existant et une revue de la littérature, mener un travail de conception centrée utilisateur (Norman 2013) pour
1. spécifier l’API de Lex:M
2. définir les éléments de réflexivité et les ressorts motivationnels à intégrer à Lex:M
3. Analyser l’activité des utilisateurs en vue de la reconception/validation des affordances mises en place
Contexte de travail
La thèse se déroulera au sein de l’équipe SICAL du LIRIS dans le cadre du projet Lex:gaMe du LabEx ASLAN. La personne recrutée sera hébergée dans le bâtiment Blaise Pascal de la Doua. Elle sera amenée à collaborer avec des chercheur⋅es et enseignant⋅es de l’équipe SICAL, du laboratoire ICAR, du centre de langues de l’Université Lyon 2 (Bron), mais également des partenaires hors-site (Univ. Grenoble Alpes, UNAM, Carnegie-Mellon University).
Un contrat Post-doc sera également recruté lors de la phase de collecte et d’analyse des besoins.
Un marché sera passé avec une entreprise qui réalisera l’API spécifiée par la personne retenue pour cette thèse.
Compétences attendues
Les candidat⋅es devront attester de compétences en modélisation, qu’elle soit orientée vers des problématiques linguistiques, informatiques ou éducatives. La pratique ou un intérêt fort pour l’interdisciplinarité est primordial dans ce travail.
Cette interdisciplinarité s’exprimera par la connaissance et/ou l’apprentissage en cours d’une ou plusieurs langues étrangères attestant d’une appétence pour les langues et des connaissances en informatique : méthodologie, développement Web (ex : PHP, Symfony, JS, HTML+CSS), ou non (ex : Python, Perl, Java), représentation de données (ex : MariaDB, XML).
Des compétences ou expériences en conduite d’expérimentations seront également appréciées.
Pour plus d’informations, voir : https://bit.ly/3A0yHfj