La structure conceptuelle des traits sémantiques

Slides:



Advertisements
Présentations similaires
Définitions Analyse documentaire
Advertisements

Grammaire française Le Nom.
Des variables et des données. Dans le domaine de la statistique le mot variable signifie une idée différente de celle dans l’algèbre ou les fonctions.
Catégoriser pour comprendre Développement des concepts d'objets chez l'enfant D’après Françoise Bonthoux Laboratoire de Psychologie et Neurocognition (associé.
TÂCHE 3 : ANALYSE DES SYSTÈMES DE RESSOURCES ET DE LEURS ÉVOLUTIONS DANS LA DURÉE, POUR DES ENSEIGNANTS INDIVIDUELS ET DES COLLECTIFS D'ENSEIGNANTS AU.
Des variables et des données. Dans le domaine de la statistique le mot variable signifie une idée différente de celle dans l’algèbre ou les fonctions.
13/12/07JRJC décembre 20071/14 Étude de la structure du noyau à halo Li et du sous-système non lié Li (à l’aide de la cible active MAYA)
De l’implicite à l’explicite
Proportionnalité Les connaissances que l'enseignant doit maîtriser à son niveau Présentation réalisée à partir de l'ouvrage de Roland Charnay et Michel.
Du chapitre 1 au chapitre 2 1. Les graphiques : introduction (p.15)  Pour prendre possession des données o des chiffres dans un tableau, c’est bien o.
Auteur : Patrice LEPISSIER Les probabilités  Notions de base Notions de base  Variable aléatoire Variable aléatoire  La loi Normale La loi Normale.
Initiation à la conception des systèmes d'informations. Cours N°4 : Modèle Logique de Données (MLD) Initiation à la conception des systèmes d'informations.
1- Introduction Sommaire Modèle Logique des Données 2- Structure 3- Traduction du MCD en MLD 4- Recap - Méthodologie.
Réalisé par : Sébastien Lachance MATHS 3 E SECONDAIRE FONCTIONS polynomiales.
Utilisation du logiciel EduStat © Analyse classique d’items L’examen du rapport.
Système d’aide à la décision Business Intelligence
Les Bases de données Définition Architecture d’un SGBD
Thème 2 – L’électricité dans un circuit
Révision – mathématiques 8
La mesure des grandeurs physiques
Les tableaux différencier les variables simples des variables indicées (ordonnées et numérotées) un identificateur unique désigne un ensemble, une collection.
Datation radiométrique et demi-vie
Bases de données multimédia
Loi Normale (Laplace-Gauss)
1.3 COORDONNÉES DES POINTS
Programmation  Christall’Ecole
Introduction à l’électricité
LES INDICATEURS DE SANTE INDICATEURS DE SANTE Pr. KELLIL M.
Évaluation des projets ouverts
Les bases de données et le modèle relationnel
Coefficient de corrélation linéaire
La Conclusion.
Plans d’experiences : plans de melanges
« La cohésion dans les APS » Référence bibliographique:
Je sais réaliser des mosaïques sur MosaicChildren.
Objectifs du chapitre 5: Plans corrélationnels
Technologies de l’intelligence d’affaires Séance 12
Daniel JOUVENOT Laboratoire de l’Accélérateur Linéaire (LAL–ORSAY)
Scénario Quatre hipsters entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones.
L'architecte et les autres L3-S5 groupe dirigé par Dinh-Luan Pham
Petite mathématique du cerveau. Une théorie de l'information mentale,
Structure D’une Base De Données Relationnelle
la structure de l’entreprise: Définition : La structure organisationnelle d’une entreprise définie le mode d’organisation entre les différentes unités.
Modélisation avec UML 2.0 Partie II Diagramme de classes.
Vuibert Systèmes d’information et management des organisations 6 e édition R. Reix – B. Fallery – M. Kalika – F. Rowe Chapitre 1 : La notion de système.
M. DI GIOVANNI M. PELLETIER Module SI 1
 1____Probabilité  2______variables aléatoires discrètes et continues  3______loi de probabilités d’une v a  4_______les moyens et les moyens centraux.
Bouchemit lila 1. 2 Entité Bouchemit lila Non relation 3.
Notion de risque et mesures d’association
Statistiques.
Apports de la statistique spatialisée
Révision – mathématiques 8
Mettant les Éléments en Ordre
Comment analyser en fonction du genre et du sexe?
Les mathématiques avec Chloe et Dalia
LE TRAVAIL EN ÉQUIPE. INTRODUCTION Depuis quelques décennies, il est souvent question de formation, de qualité et productivité. Le contexte dans lequel.
“AUDIT INTERNE Qualité ISO 9001” Direction Activité BPE PREFA
Je reproduis un modèle à l’aide d’un fil et d’un lacet.
Les différentes Situations d’apprentissages :.  Rougier (2009) explique que les situations d'apprentissage, choisies après avoir déterminé les objectifs,
Janvier 2019 IA-IPR Physique-Chimie
Sociologie de l’action sociale - sociologie du fait social
PRESENTATION ACCESS Editeur : Microsoft Environnement Windows (SE)
Premières technologiques : intentions
Le sol et ses mystères Compétences disciplinaires
Révision – mathématiques 8
Couche limite atmosphérique
LE nom Propre et Commun.
RECOMMANDATIONS POUR LE FRANÇAIS ET L’HISTOIRE/GÉOGRAPHIE
Distinguer origine et destinée
Votre dossier de candidature Merci de remplir les 5 prochaines diapositives avec les informations suivantes: a. Description de votre technologie b.
Transcription de la présentation:

La structure conceptuelle des traits sémantiques Dr Emmanuel Didier 20170406 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Table des matières Bibliographie Modèles distributifs de représentations conceptuelles Spécificité Co-occurrence des traits Traitement conceptuel Traitement conceptuel – Exemples Conséquences pour l’Av et le J 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Bibliographie Graphiques inspirés, et tableaux empruntés, de: Taylor, K.I., Devereux, B.J., Tyler, L.K., Conceptual structure: Towards an integrated neuro-cognitive account (2011) 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Modèles distributifs de représentations conceptuelles Les modèles distributifs de représentations conceptuelles présument que les concepts sont représentés dans un système connectioniste composé d’unités, ou “nodes” représentant des traits individuels ex., “a des yeux”, “a un nez” traitement conceptuel = co-activation des traits d’un concept 2 caractéristiques statistiques des traits sont présumées structurer l’espace conceptuel et déterminer la manière dont les concepts sont traités: “distinction” (= caractère distinct) et co-occurrence des traits choses vivantes catégorie = chose vivante domaine = animal notion = oiseau, poisson, etc. objet = lion, tigre concepts 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Spécificité Les traits varient en spécificité d’un concept: certains traits sont partagés par de nombreux concepts ex. “a des yeux” est partagé par de nombreux « animaux » d’autres traits sont distinctifs d’un seul ou un petit nombre de concepts ex. “a des rayures” est partagé seulement par les « tigres » Traits communs sont habituellement informatifs quant à la catégorie ou au domaine de l’objet ex. si un objet “a des yeux” c’est probablement un animal, une chose vivante ne sont pas très utiles pour distinguer entre notions ou objets ex. sur la base de “a des jambes” + “a des yeux”, lion <=˃ tigre L’identification d’un objet nécessite des traits distinctifs pour le distinguer d’autres objets conceptuellement similaires ex. tigre : “a des yeux” + “a des rayures” ≠ lion: “a des yeux” + “a une crinière” Le caractère distinctif des traits est lié à la validité des indices i.e. la probabilité qu’un trait caractérise un concept 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Co-occurrence des traits Seconde propriété statistique critique des traits: degré de co-occurence à une extrémité du continuum se trouvent fréquemment avec certains autres traits ex. “a des yeux”, “a une queue” à l’autre extrémité du continuum se trouvent peu fréquemment ensemble ex. “a des rayures”, “a une crinière” Voir: Exemples de la variable ‘‘distinction-corrélation’’ 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Co-occurrence des traits cochon tournevis spécificité du trait spécificité du trait Valeur corrélative moyenne du trait Valeur corrélative moyenne du trait dans Taylor, Conceptual structure: Towards an integrated neuro-cognitive account (2011) Exemples de la variable ‘‘spécificité-corrélation’’ pour illustrer le rapport entre les valeurs corrélatives de traits ayant des valeurs spécifiques différentes au sein d’un concept, dans les catégories des choses vivantes et inanimées (i.e. animaux et outils); dans l’esprit d’un locuteur: les traits plus distinctifs du concept ‘‘cochon’’ sont plus faiblement corrélés que les traits partagés du "cochon’’, qui sont plus fortement corrélés, produisant une pente négative de la variable ‘‘spécificité-corrélation’’; les traits distinctifs du ‘‘tournevis’’ sont plus fortement corrélés que les traits partagés, produisant une pente positive de la variable ‘‘spécificité-corrélation’’. 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Traitement conceptuel Les exigences de la tâche interagissent avec la structure conceptuelle pour influencer le traitement conceptuel pour identifier un objet de façon unique, nous avons besoin de renseignements sur ses traits distincts ex. nommer un objet ou le différencier d’autres objets fortement semblables pour faire des distinctions générales, comme différencier des catégories d’objets, nous avons besoin d’accéder uniquement aux traits communs Par rapport aux choses inanimées, les choses vivantes sont caractérisées par: de grands ensembles de traits avec relativement plus de traits communs et moins de traits distinctifs une proportion plus élevée de traits communs Les valeurs corrélatives des traits communs des choses inanimées et vivantes sont comparables MAIS les traits DISTINCTIFS des choses inanimées sont significativement plus corrélés que les traits distinctifs des choses vivantes Whose legs? 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Traitement conceptuel - Exemples Choses vivantes Choses inanimées métal respire poignée voit jambes coupe lame entends yeux fourrure dommages cérébraux oreilles crinière coupe dommages cérébraux lame respire 2 caractéristiques des nodes: - valeur corrélationnelle: faible : forte: - distinction: faible: forte: Les dommages cérébraux détruisent les liens faibles Traits distinctifs des choses inanimées ˃ traits distinctifs des choses vivantes Incapacité d’identifier uniquement choses vivantes = incapacité sémantique catégorielle pour les choses vivantes jambes voit ? entend yeux fourrure oreilles 13/09/2018 (c) Dr E. Didier

Structure conceptuelle des traits sémantiques Conséquences pour l’Av et le J Dans le témoignage, quels sont les traits distinctifs? traits forts traits faibles les corrélations? corrélations fortes corrélations faibles Conséquences possibles des incapacités cognitives ex. SSPT, tumeur cérébrale, âge, etc. → incapacités sémantiques catégorielles: choses inanimées: peu probable choses vivantes: plus probablement incapacité d’identifier uniquement choses vivantes Pertinence en ce qui concerne la preuve: si le T a une incapacité sémantique catégorielle pour les choses vivantes (peut pas identifier ses attaquants) en raison du SSPT = ˃ poser des questions sur des choses inanimées (ex. arme utilisée; instrument du délit) ex. génocide Rwandais Même si T ne peut pas identifier ses attaquants (SSPT), peut être jugé crédible en décrivant les armes ↔ événement 13/09/2018 (c) Dr E. Didier