| 41 |
Stem similarity modulates infants' acquisition of phonological alternations.
|
|
|
|
BASE
|
|
Show details
|
|
|
| 42 |
The processing of pseudoword form and meaning in production and comprehension: A computational modeling approach using linear discriminative learning.
|
|
|
|
In: Behavior research methods, vol 53, iss 3 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 43 |
Multimodal Conversation Modeling via Neural Perception, Structure Learning, and Communication
|
|
|
|
BASE
|
|
Show details
|
|
|
| 44 |
An exploration of amygdala-prefrontal mechanisms in the intergenerational transmission of learned fear.
|
|
|
|
In: Developmental science, vol 24, iss 3 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 45 |
Arbitrary but predictive cues support attention to overlooked features
|
|
|
|
BASE
|
|
Show details
|
|
|
| 46 |
The diagnosis of listening in English as a foreign language, with a special focus on lexical knowledge ; Diagnostic et remédiation orientés vers le lexique en compréhension aurale de l’anglais
|
|
|
|
In: https://hal.archives-ouvertes.fr/tel-03170753 ; Linguistique. Université Lyon 2 Lumière, 2021. Français (2021)
|
|
BASE
|
|
Show details
|
|
|
| 47 |
Neuro-computational models of language processing
|
|
|
|
In: EISSN: 2333-9691 ; Annual Review of Linguistics ; https://hal.archives-ouvertes.fr/hal-03334485 ; Annual Review of Linguistics, Annual Reviews, In press, ⟨10.1146/lingbuzz/006147⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 48 |
Intelligent gamification for individualized dyslexia remediation and in-home therapy ; Gamification intelligente pour une remédiation à domicile et individualisée de la dyslexie
|
|
|
|
In: https://tel.archives-ouvertes.fr/tel-03585122 ; Psychology. Université Paris-Saclay, 2021. English. ⟨NNT : 2021UPASW002⟩ (2021)
|
|
Abstract:
Dyslexia is the most prevalent learning disability and the lack of automaticity in word recognition is one of its main characteristics. This thesis is dedicated to the gamification of in-home dyslexia remediation by focusing on the development of automaticity for children aged from five to nine years old. An extensive research on the effective principles of automaticity training, led to the creation of a novel training model for automaticity acquisition. Training for automaticity requires countless repetitions, and adherence is crucial. Gamification concept was proposed to increase motivation, engagement, and adherence. Based on the automaticity-training model, a gamification model was developed for placing each game element at its appropriate phase of automaticity acquisition. The effectiveness of this gamification model was validated by a randomized controlled trial. Furthermore, an optimization model was developed to provide individualized training sessions based on the level of the learner. For estimating the difficulty level of the content, four lexical skills were modelled using artificial neural networks and linear regression. For each lexical skill, the top 10 lexical variables were identified through forward stepwise analysis. The accuracy of the models based on mean absolute error reached 90.58% for auditory word recognition, 92.08% for visual word recognition, 84.83% for spelling, and 86.98% for word decoding. Finally, based on these developments, four games were created and provided on multiple platforms. The evaluation of the usability study confirmed the viability of the intelligent system and the games scored 80% on the system usability scale. ; La dyslexie est le trouble spécifique de langage le plus répandu, le manque d'automaticité dans la reconnaissance des mots est l'une de ses principales caractéristiques. Cette thèse est dédiée à la gamification de la remédiation de la dyslexie à domicile, elle focalise sur le développement de l'automaticité chez les enfants âgés de cinq à neuf ans. Une recherche approfondie sur les méthodes efficaces d’acquisition d’automaticité nous a permis de créer un nouveau modèle de formation pour l'apprentissage de l'automaticité. Cet apprentissage nécessite plusieurs répétitions mais l'adhésion au programme de formation est un critère très important pour l’obtention de bons résultats. En se basant sur le modèle d'apprentissage de l'automaticité, nous avons créé un modèle de gamification qui inclut chaque élément du jeu à l’étape appropriée d'acquisition d'automaticité. L'efficacité de ce modèle de gamification a été validé par un essai randomisé contrôlé. Afin de fournir un système adaptatif, nous avons développé un modèle d'optimisation qui propose des sessions de formation individualisées en fonction du niveau de l'apprenant. Pour estimer le niveau de difficulté du contenu pédagogique, quatre compétences lexicales ont été modélisées à l'aide de réseaux de neurones artificiels et de régression linéaire. Pour chaque compétence lexicale, les 10 principales variables lexicales ont été identifiées par une analyse de type « Forward Stepwise ». La précision des modèles basés sur l'erreur absolue moyenne a atteint 90,58% pour la reconnaissance auditive des mots, 92,08% pour la reconnaissance visuelle des mots, 84,83% pour l'orthographe et 86,98% pour le décodage des mots. Enfin, sur la base de ces développements, quatre jeux ont été créés et fournis sur différentes plateformes. L'évaluation de l'étude d'utilisabilité a confirmé la viabilité du système intelligent et les jeux ont obtenu un score de 80% sur l'échelle d'utilisabilité du système.
|
|
Keyword:
[SCCO.PSYC]Cognitive science/Psychology; Apprentissage Assisté par Ordinateur; Computer-Based Learning; Dyslexia; Dyslexie; Gamification; In-Home Therapy; Intelligent Learning System; Jeu sérieux; Serious Games; Système d'apprentissage intelligent; Thérapie à domicile
|
|
URL: https://tel.archives-ouvertes.fr/tel-03585122
https://tel.archives-ouvertes.fr/tel-03585122/document
https://tel.archives-ouvertes.fr/tel-03585122/file/80588_JAMSHIDIFARSANI_2021_archivage.pdf
|
|
BASE
|
|
Hide details
|
|
|
| 49 |
Unsupervised Learning of Intuitive Physics from Videos ; Apprentissage non-supervisé de la physique intuitive
|
|
|
|
In: https://hal.archives-ouvertes.fr/tel-03530321 ; Artificial Intelligence [cs.AI]. Ecole Normale Superieure de Paris - ENS Paris, 2021. English (2021)
|
|
BASE
|
|
Show details
|
|
|
| 50 |
Emerging linguistic universals in communicating neural network agents ; Les universaux linguistiques émergeant dans les réseaux de neurones communicants
|
|
|
|
In: https://hal.inria.fr/tel-03536320 ; Cognitive science. Ecole doctorale cerveau-cognition comportement (ED3C), 2021. English (2021)
|
|
BASE
|
|
Show details
|
|
|
| 51 |
Machine Learning of Motion Statistics Reveals the Kinematic Signature of the Identity of a Person in Sign Language
|
|
|
|
In: ISSN: 2296-4185 ; Frontiers in Bioengineering and Biotechnology ; https://hal.archives-ouvertes.fr/hal-03298752 ; Frontiers in Bioengineering and Biotechnology, Frontiers, 2021, 9, ⟨10.3389/fbioe.2021.710132⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 52 |
"It Is Not the Robot Who Learns, It Is Me." Treating Severe Dysgraphia Using Child-Robot Interaction
|
|
|
|
In: ISSN: 1664-0640 ; Frontiers in Psychiatry ; https://hal.sorbonne-universite.fr/hal-03152170 ; Frontiers in Psychiatry, Frontiers, 2021, 12, pp.596055. ⟨10.3389/fpsyt.2021.596055⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 53 |
Continuous developmental change explains discontinuities in word learning
|
|
|
|
In: https://hal.archives-ouvertes.fr/hal-03191088 ; 2021 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 54 |
Interpretive blindness and the impossibility of learning from testimony
|
|
|
|
In: Dialogue and Discourse ; Proceedings of the 20th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2021), ; International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2021) ; https://hal.archives-ouvertes.fr/hal-03138957 ; International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2021), International Foundation for Autonomous Agents and Multiagent Systems, May 2021, London (virtuel), United Kingdom (2021)
|
|
BASE
|
|
Show details
|
|
|
| 55 |
Hybridation : pédagogie inversée, renversée, bouleversée ?
|
|
|
|
In: Forum Académique Numérique 2021 Hybridation de la formation et de l’enseignement ; https://hal.archives-ouvertes.fr/hal-03221664 ; Forum Académique Numérique 2021 Hybridation de la formation et de l’enseignement, Réseaux Canopé de la Direction des services départementaux de l'éducation nationale (DSDEN) de Moselle (57), Feb 2021, Nancy, France ; https://www4.ac-nancy-metz.fr/ien57thionville/spip.php?article1082&lang=fr (2021)
|
|
BASE
|
|
Show details
|
|
|
| 56 |
Which Hype for my New Task? Hints and Random Search for Reservoir Computing Hyperparameters
|
|
|
|
In: ICANN 2021 - 30th International Conference on Artificial Neural Networks ; https://hal.inria.fr/hal-03203318 ; ICANN 2021 - 30th International Conference on Artificial Neural Networks, Sep 2021, Bratislava, Slovakia (2021)
|
|
BASE
|
|
Show details
|
|
|
| 57 |
Canary Song Decoder: Transduction and Implicit Segmentation with ESNs and LTSMs
|
|
|
|
In: https://hal.inria.fr/hal-03203374 ; 2021 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 58 |
Which Hype for my New Task? Hints and Random Search for Reservoir Computing Hyperparameters
|
|
|
|
In: https://hal.inria.fr/hal-03203318 ; 2021 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 59 |
Learning emotions latent representation with CVAE for Text-Driven Expressive AudioVisual Speech Synthesis
|
|
|
|
In: ISSN: 0893-6080 ; Neural Networks ; https://hal.inria.fr/hal-03204193 ; Neural Networks, Elsevier, 2021, 141, pp.315-329. ⟨10.1016/j.neunet.2021.04.021⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 60 |
Canary Song Decoder: Transduction and Implicit Segmentation with ESNs and LTSMs
|
|
|
|
In: ICANN 2021 - 30th International Conference on Artificial Neural Networks ; https://hal.inria.fr/hal-03203374 ; ICANN 2021 - 30th International Conference on Artificial Neural Networks, Sep 2021, Bratislava, Slovakia. pp.71--82, ⟨10.1007/978-3-030-86383-8_6⟩ ; https://link.springer.com/chapter/10.1007/978-3-030-86383-8_6 (2021)
|
|
BASE
|
|
Show details
|
|
|
|
|
