{"id":28381,"date":"2022-12-08T15:41:13","date_gmt":"2022-12-08T15:41:13","guid":{"rendered":"https:\/\/live-elam-site.pantheonsite.io\/?p=28381"},"modified":"2022-12-08T15:41:15","modified_gmt":"2022-12-08T15:41:15","slug":"evaluation-linguistique-humaine-vs-evaluation-par-intelligence-artificielle","status":"publish","type":"post","link":"https:\/\/elam.ca\/fr\/articles-de-blogue-recents\/evaluation-linguistique-humaine-vs-evaluation-par-intelligence-artificielle","title":{"rendered":"\u00c9valuation linguistique humaine vs. \u00e9valuation par intelligence artificielle"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\r\n\t\t\t\t\t\t
\r\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\r\n\t\t\t\t\t\t

En tant qu’entreprise \u00e9voluant sur un march\u00e9 en constante \u00e9volution, vous \u00eates toujours \u00e0 la recherche de moyens pour rationaliser le recrutement. Les comp\u00e9tences linguistiques sont importantes dans de nombreux emplois, et il est important de s’assurer que les candidats poss\u00e8dent les bonnes comp\u00e9tences en langues parl\u00e9es et \u00e9crites. Offrir aux entreprises et aux candidats un processus d’\u00e9valuation \u00e9quitable et efficace est le moteur de nos services d’\u00e9valuation linguistique<\/a><\/span><\/strong><\/span> depuis 2001. Nous collaborons avec nos partenaires d’acquisition de talents pour garantir une exp\u00e9rience globale, efficace et sans stress.<\/p>

Plongeons dans les \u00e9valuations d\u2019intelligence artificielle (IA) par rapport aux \u00e9valuations humaines. On pourrait dire que la technologie de notation automatis\u00e9e pour juger la parole et l’\u00e9criture a lentement mais s\u00fbrement gagn\u00e9 l’acceptation mondiale. De moins en moins de gens se demandent : “Est-ce que \u00e7a marche ?” “OK, comment cela fonctionne-t-il pour nos <\/em>objectifs ?” est la question suivante. Ce blogue vise \u00e0 fournir aux lecteurs les informations dont ils ont besoin pour r\u00e9pondre \u00e0 ces deux questions.<\/p>

\"\"<\/p>

L’une des id\u00e9es fausses les plus r\u00e9pandues au sujet de la notation automatique est qu’un ordinateur a \u00e9t\u00e9 form\u00e9 pour “faire ce que font les humains”. Les ordinateurs ne se comportent pas comme des humains gr\u00e2ce \u00e0 la technologie de notation automatis\u00e9e. Au contraire, elle tire parti du fait que les ordinateurs peuvent \u00eatre programm\u00e9s pour trouver et mesurer des caract\u00e9ristiques de l’expression orale et \u00e9crite, les combiner et les pond\u00e9rer dans un espace multidimensionnel, et d\u00e9terminer quelles caract\u00e9ristiques et pond\u00e9rations sp\u00e9cifiques permettent de pr\u00e9dire au mieux le score attribu\u00e9 par un humain. Il n’est pas n\u00e9cessaire de soutenir l’affirmation selon laquelle un ordinateur peut “comprendre” un \u00e9nonc\u00e9 oral, ce que les ordinateurs ne peuvent pas faire. Il n’est pas n\u00e9cessaire de soutenir l’affirmation selon laquelle un juge humain peut compter avec pr\u00e9cision les \u00e9v\u00e9nements temporels subphon\u00e9miques au niveau de la milliseconde dans un discours naturel (ce que les ordinateurs peuvent faire mieux que les humains). Les deux types d’\u00e9valuation peuvent produire de mani\u00e8re coh\u00e9rente des points de comp\u00e9tence pour les \u00e9nonc\u00e9s oraux.<\/p>

L’objectif de ce blogue est de fournir une explication compr\u00e9hensible de la mani\u00e8re dont les \u00e9valuations actuelles de pointe utilisent la technologie d\u2019IA, ainsi que de passer en revue les recherches qui ont montr\u00e9 que les technologies sont efficaces dans le contexte de l’\u00e9valuation plut\u00f4t que de faire faire les \u00e9valuations par un humain. La technologie de notation automatique et de validit\u00e9, lorsqu’elle est utilis\u00e9e correctement et avec soin, peut rendre les tests de langue beaucoup plus int\u00e9ressants et utiles en termes de prestation, de types de t\u00e2ches et de notation. En m\u00eame temps, il faut faire attention \u00e0 justifier chaque partie de la technologie utilis\u00e9e dans l’argument de validit\u00e9 de l’\u00e9valuation. Pour s’assurer que l’interpr\u00e9tation des scores est coh\u00e9rente, que le test soit informatis\u00e9 ou sur papier, il peut \u00eatre n\u00e9cessaire d’\u00e9tudier les questions suivantes : les \u00e9l\u00e8ves obtiennent-ils les m\u00eames r\u00e9sultats aux t\u00e2ches de r\u00e9daction lorsqu’ils les \u00e9crivent \u00e0 la main ou les tapent sur ordinateur ? La capacit\u00e9 de dactylographier est-elle un d\u00e9savantage pour certains candidats ? Les \u00e9l\u00e8ves utilisent-ils des comp\u00e9tences strat\u00e9giques diff\u00e9rentes lorsqu’ils lisent des passages \u00e0 l’\u00e9cran ou sur papier ?<\/p>

\"Customer<\/p>

Selon une \u00e9cole de pens\u00e9e, les jugements humains \u00e9tant faillibles, la subjectivit\u00e9 entre en jeu. En plus de comparer les mod\u00e8les automatis\u00e9s aux jugements humains, les mod\u00e8les automatis\u00e9s devraient \u00e9galement \u00eatre compar\u00e9s \u00e0 des crit\u00e8res ou mesures externes de la m\u00eame capacit\u00e9. \u00c9tonnamment, les mod\u00e8les automatis\u00e9s sont, \u00e0 certains \u00e9gards, plus transparents que les jugements humains. Les \u00e9valuateurs humains \u00e9valuent des \u00e9chantillons de langue, consultent les descripteurs d’\u00e9chelle et utilisent leur jugement et leur exp\u00e9rience pour attribuer une note finale. Pourtant, il n’existe aucun moyen quantifiable de mesurer la mani\u00e8re dont ils \u00e9valuent et combinent les diff\u00e9rents \u00e9l\u00e9ments d’information d’une r\u00e9daction. En revanche, la notation automatique permet d’obtenir quelque chose de reproductible. Chaque \u00e9l\u00e9ment d’information analys\u00e9, ainsi que sa pond\u00e9ration pr\u00e9cise dans le mod\u00e8le de notation, est v\u00e9rifiable dans les algorithmes de la machine.<\/p>

Ainsi, dans les mod\u00e8les automatis\u00e9s, il est possible de laisser de c\u00f4t\u00e9 les informations non pertinentes (comme la longueur d’une phrase) et de pond\u00e9rer explicitement les informations importantes, comme les marqueurs de discours, d’une mani\u00e8re que les humains ne peuvent pas faire. Bernstein, Van Moere et Cheng (2010) <\/a><\/span><\/strong><\/span>affirment que les mod\u00e8les de notation sont bas\u00e9s sur des donn\u00e9es, qu’ils peuvent \u00eatre v\u00e9rifi\u00e9s et qu’il est possible de d\u00e9montrer qu’ils sont faux.<\/p>

\u00a0Il y a beaucoup de choses pour lesquelles les humains sont bons et beaucoup de choses pour lesquelles ils ne sont pas si bons. R\u00e9capitulons les points forts de l’IA et des humains:<\/strong><\/p>