Apprendre sur les apprenants : modélisation statistique des textes notés du CECR par des étudiants apprenant l'anglais
Cette présentation se concentre sur l'évaluation des niveaux de compétence linguistique en fonction de la complexité linguistique de l'anglais de l'apprenant. Je présenterai un modèle statistique permettant d'étudier et de prédire le niveau du Cadre européen commun de référence pour les langues (CECR) d'un apprenant. Nous verrons comment trouver des caractéristiques essentielles dans les écrits des apprenants d'anglais langue étrangère. Nous utilisons des caractéristiques microsystémiques qui sont liées à des systèmes linguistiques spécifiques à l'apprenant dans lesquels plusieurs formes fonctionnent de manière paradigmatique.
Andrew Simpkin est professeur de statistiques à l'université de Galway, sur la côte ouest de l'Irlande. Après avoir obtenu un doctorat en statistiques à Galway (2011), il a passé plusieurs années en tant que post-doctorant et chercheur à l'école de médecine de Bristol et à l'unité d'épidémiologie intégrative de Bristol, ainsi qu'à l'école de santé publique Mailman de l'université de Columbia. Il est revenu à l'Université de Galway en tant que maître de conférences en statistiques en 2018. Andrew a développé des méthodes pour modéliser des données de haute dimension en utilisant l'analyse de données fonctionnelles, et des modèles pour les changements épigénétiques en génomique. Il occupe des postes honorifiques à l'Université Massey, à l'Université du Queensland et à l'Université de Bristol. Il dirige actuellement une équipe de quatre postdocs et de trois doctorants qui travaillent dans le cadre de subventions en épigénétique, en innovations en matière de santé numérique et en analyse de données de capteurs.
https://www.universityofgalway.ie/our-research/people/andrewsimpkin/
Lundi 10 juin 2024 - 14h - Salle L201
Professeur de Statistiques
Université de Galway
Pour participer à la conférence à distance :
[ http://bit.ly/lundi_lidile | http://bit.ly/lundi_lidile ]
ID de réunion : [ callto:873 5180 7764 | 873 5180 7764 ]
Code secret : Evain
Supported by 