Nouvelles recherches sur la façon dont les enfants apprennent le langage pour aider le domaine de l’apprentissage automatique

Une équipe de chercheurs de l’Université Carnegie Mellon a développé une nouvelle méthode pour évaluer expérimentalement la façon dont les parents modifient leur langage lorsqu’ils parlent à des enfants en fonction de ce que ces derniers savent déjà. Le modèle est le premier de son genre.

Les chercheurs ont constaté que les parents ont des structures précises des modèles de langage de leurs enfants et que ces structures sont utilisées pour ajuster leur propre langage lorsqu’ils parlent avec les enfants.

La recherche a été publiée dans la revue Psychological Science.

Ajustement du langage pour les enfants

Daniel Yurovsky est professeur adjoint en psychologie à l’Université Carnegie Mellon.

“Nous savons depuis des années que les parents parlent aux enfants différemment qu’aux autres adultes de nombreuses manières, par exemple en simplifiant leur discours, en répétant des mots et en étirant les sons des voyelles”, a déclaré Yurovsky. “Ces choses aident les jeunes enfants à acquérir une prise sur le langage, mais nous ne savions pas si les parents changent la façon dont ils parlent à mesure que les enfants acquièrent le langage, en leur donnant des entrées de langage qui sont ‘justes’ pour apprendre la chose suivante.”

Selon l’équipe, les adultes parlent aux enfants plus lentement et à un ton plus élevé, et ils utilisent également une énonciation exagérée, des répétitions et un langage simplifié. De plus, les adultes utilisent des questions pour évaluer la compréhension d’un enfant, et ce modèle change à mesure que la fluidité linguistique de l’enfant augmente.

Yurovsky dit que c’est similaire à la façon dont un élève progresse lorsqu’il apprend les mathématiques à l’école.

“Lorsque vous allez à l’école, vous commencez par l’algèbre, puis vous passez à la géométrie plane avant de passer au calcul”, a déclaré Yurovsky. “Les gens parlent aux enfants en utilisant la même sorte de structure sans y penser. Ils suivent la quantité de connaissances que leur enfant a sur le langage et modifient la façon dont ils parlent pour que les enfants les comprennent.”

Pour comprendre comment les soignants modifient leurs interactions à mesure que l’enfant se développe, l’équipe a développé un jeu dans lequel les parents aident leurs enfants à choisir un animal spécifique parmi un ensemble de trois. La moitié des animaux étaient ceux que les enfants apprennent souvent avant l’âge de 2 ans, tandis que l’autre moitié étaient des animaux que les enfants apprennent souvent plus tard.

Il y avait un total de 41 paires enfant-adulte qui ont joué au jeu, et les différences dans la façon dont les parents parlaient des animaux qu’ils pensaient que leurs enfants connaissaient ont été mesurées.

“Les parents ont une connaissance incroyablement précise du langage de leur enfant parce qu’ils les ont vus grandir et apprendre”, a déclaré Yurovsky. “Ces résultats montrent que les parents utilisent leurs connaissances du développement du langage de leurs enfants pour affiner les informations linguistiques qu’ils fournissent.”

La recherche a constaté que les soignants utilisaient diverses techniques lorsqu’ils transmettaient l’animal ‘inconnu’ à l’enfant, telles que des descripteurs supplémentaires que l’enfant connaissait.

“Cette approche [de recherche] nous permet de confirmer expérimentalement des idées que nous avons développées sur la base d’observations de la façon dont les enfants et les parents interagissent à la maison”, a déclaré Yurovsky. “Nous avons constaté que les parents non seulement utilisaient ce qu’ils savaient déjà sur les connaissances linguistiques de leurs enfants avant l’étude, mais également qu’ils changeaient la façon dont ils parlaient de cet animal la fois suivante s’ils découvraient qu’ils se trompaient – leur enfant ne connaissait pas vraiment ‘léopard’, par exemple.”

Utiles dans le domaine de l’apprentissage automatique

Selon Yurovsky, les résultats pourraient aider les chercheurs dans le domaine de l’apprentissage automatique.

“Ces résultats pourraient nous aider à comprendre comment réfléchir aux systèmes de langage d’apprentissage automatique”, a-t-il déclaré. “Actuellement, nous formons des modèles de langage en leur donnant toutes les données de langage que nous pouvons obtenir en une seule fois. Mais nous pourrions faire mieux si nous pouvions leur donner les bonnes données au bon moment, en les gardant au niveau de complexité approprié pour qu’ils soient prêts.”

L’équipe de chercheurs comprenait également Ashley Leung à l’Université de Chicago et Alex Tunkel à l’École de médecine et de sciences de la santé de l’Université George Washington.