Doctorant/Doctorante - Modélisation automatique de zones d’intérêt dans des corpus oraux pour la recher

Sujet de thèse :
Le doctorat proposé s’appuie sur les données recueillies dans le volet sociologique du projet ANR VOLI, et a pour objectif de développer une méthodologie d’analyse et de modélisation de données verbales en vue de leur exploitation dans les disciplines SHS investies dans le projet. A terme, il vise la mise en œuvre d’un outil d’aide à la recherche permettant d’identifier automatiquement des zones d’intérêt dans ces données.
La preuve de concept reposera sur un corpus d’entretiens réalisés en espagnol auprès de micro-travailleurs d’Amérique latine, enrichi de métadonnées socio-démographiques issues de questionnaires. Utilisées pour étayer des hypothèses sociologiques, ces corpus oraux seront analysées à travers les outils de la variation linguistique segmentale et supra-segmentale et de la modélisation automatique afin de détecter des segments de discours potentiellement riches d’un point de vue analytique pour les SHS.
L’identification de ces « zones d’intérêt » reposera sur la corrélation entre des indices acoustiques, prosodiques et expressifs (intensité, indices émotionnels etc.), et sera confrontée à plusieurs dimensions, notamment une validation manuelle par les chercheurs en SHS et une comparaison avec d’autres corpus portant sur d’autres métiers et d’autres langues.
L’objectif final est de proposer une approche généralisable et partiellement automatisable pour assister les chercheurs dans l’analyse qualitative de corpus oraux, tout en leur offrant un gain de temps substantiel et une réflexion sur leurs pratiques d’interprétation.

Activités :
Le travail de thèse portera sur les 4 principaux axes suivants :
1- Analyse et modélisation statistique de la variation acoustique et prosodique de l’oral : (1) définition, extraction et modélisation statistique de descripteurs de variation acoustique et prosodique et (2) corrélation avec d’autres niveaux linguistiques (POS)
2- Construction de patrons de variation selon différentes variables (socio-démographiques ou issues de l’exploration qualitative du corpus) et validation statistique (PCA, clustering etc.)
3- Modélisation de l’expressivité : (1) Extraction de mesures acoustiques liées à l’émotion (activation, valence, intensité, etc.) et (2) Analyse de leur pertinence par rapport à des annotations manuelles (étiquetage qualitatif réalisé par des sociologues ou linguistes).
4. Détection automatique des zones dites « expressives » ou « d’intérêt » à l’aide d’algorithmes de classification, de segmentation ou d’apprentissage automatique et implémentation de modèles IA/ML pour automatiser l’identification et la comparaison des zones pertinentes au sein des corpus oraux.


Compétences attendues :
Linguistique et sciences affectives : linguistique de corpus, phonétique expérimentale, analyse segmentale et supra-segmentale de l’oral, modélisation de l’expressivité etc. Les connaissances en sociolinguistique appliquées à la variation
Voir plus sur le site emploi.cnrs.fr...