Feedback Conversationel: Analyse et Modélisation multi-dimensionnelles – CoFee

Ce projet est composé de cinq phases. Premièrement, créer les corpus complémentaires et préparer les jeux de données pour les analyses. Deuxièment, effectuer les analyses linguistique mono-domaines et produire les protocoles et les guides d’annotations. Troisièment, gérer les campagnes d’annotation ainsi qu’effectuer les extraction automatiques des paramètres linguistiques pertinents. Quatrièmement, créer le modèle multidimensionel combinant les analyses qualitatives et quantitatives provenant des différents domaines linguistiques.

Le principal résultat attendu est un modèle multidimensionel du feedback dans les conversation en Français. Ce modèle sera assez fiable pour être utilisé dans des systèmes d’interactions homme-machine (interfaces de dialogue, têtes parlantes, avatars,...) et de traitement de l’information multi-modale (indexation vidéo, extraction d’information, outils de navigation...).
D’autre part, les ressources produites ou enrichies seront mises à disposition de la communauté via notre centre de ressources (SLDR) et dans des formats standardisés (ISO TC37/4).

La nature multidimensionelle des analyses et du modèle proposé est une avancée importante pour les études linguistiques. L’expérience acquise et les méthodologies développées ouvrent des perspectives pour d’autres études de ce type sur d’autre phénomènes que le feedback.
La prise en compte de plusieurs situation communicative dans une étude de ce type est également un élément important. Il permettra dans le futur de prendre en compte la variabilité situationelle dans des études plus théoriques et expérimentales alors que ce facteur est souvent négligé dans ce type de travaux. Finalement, ce projet valide et ajuste une méthodologie et des protocoles qui seront applicables à d’autres populations et d’autres langues. Nous visons plus particulièrement des collaborations sur le feedback avec des spécialistes des pathologies du langage et des collaborations internationales pour permettre des études comparatives dans ce cadre méthodologique.

Prévot, L., & Bertrand, R. (2012). CoFee-Toward a multidimensional analysis of conversational feedback, the case of French language. In Feedback Behaviors in Dialog. Interspeech Satellite Event, Portland, September 2012.

Le feedback conversationnel correspond principalement à des énoncés courts composés de quelques marqueurs de discours. Ces énoncés sont produit par un autre participant à la conversation que le locuteur principal. Ces énoncés sont parmi les plus fréquents dans les corpus conversationnels et également été identifiés dans les modèles cognitifs de la communication comme des outils essentiels pour gérer la coordination entre les participants. Ces phénomènes ont été le sujet d’études descriptives (Analyse Discursive et Conversationnelle) et de travaux applicatifs dans le domaine des systèmes de dialogues. Ce projet aborde le sujet d’un point de vue résolument linguistique et combine des analyses fines de données semi-contrôlées (corpus de parole spontanée enregistrée dans des conditions expérimentales) avec une modélisation formelle et statistique. Au niveau formel, le tournant dynamique de la sémantique a préparé le terrain pour des approches formelles du discours dans lesquelles l’interface sémantique/pragmatique peut pleinement jouer son rôle. De tels modèles autorisent une caractérisation riche et précise des fonctions communicatives dans le dialogue. Enfin, la relative pauvreté du matériel linguistique de ces énoncés de feedback autorise une vraie analyse multidimensionnelle. Cette analyse permettra d’expliquer comment les différents domaines linguistiques (morphosyntaxe, prosodie, gestes) se combinent pour porter du sens et permettre aux locuteurs d’atteindre leurs buts communicatifs. Le modèle statistique n'est pas déconnecté du modèle formel et lui fournira un support empirique. Il lui permettra en particulier de se focaliser sur les phénomènes les plus représentatifs et fiables de nos données. Le modèle statistique sera également adapté pour créer un système de classification déterminant la fonction communicative à partir des informations observables d'un item du feedback et des informations contextuelles extraites automatiquement.
Sur le plan applicatif, les interfaces homme-machine ainsi que les systèmes de traitement des données audio-visuelles ont réalisés des avancées prometteuses dans le domaine du feedback mais attendent encore des modèles linguistiques plus précis pour continuer à s'améliorer. Une meilleure compréhension de la relation forme/fonction du feedback contribuerai à améliorer les performances d'extracion d'un grand nombre d'ingrédients conversationnels comme les décisions précises, les informations établies et acceptées, les changements d'opinions ou encore les séquences mettant l'humour en jeu. Ce sont des tâches auxquelles les résultats de ce projet contribueront.