Tools and Research based on Language Acquisition Corpora

Wed Sep 29 16:12:38 UTC 2010

Conference announcement : call for participation

Outils et Recherches pour les Corpus d’Acquisition du Langage

Tools and Research based on Language Acquisition Corpora

Version française (see English version below)

Outils et Recherches pour les Corpus d’Acquisition du Langage

18-19 Novembre 2010, PARIS

Centre CNRS Pouchet, 59 rue Pouchet, 75017 PARIS

Contact : cparisse at u-paris10.fr

Les corpus de langues orales ou signées sont aujourd’hui largement utilisés
dans les recherches sur l’acquisition du langage. Cette évolution a
nécessité de nouveaux outils, de nouvelles pratiques de recherche et de
nouvelles théories qui ont amené des changements majeurs dans les recherches
en linguistique et en acquisition du langage. Il est nécessaire de partager
et diffuser auprès des chercheurs et des étudiants les résultats, les
techniques et les transformations récentes qui résultent de cette évolution.
En effet, ces produits viennent d’un effort collectif qu’il faut encourager
et amplifier afin d’arriver à encore mieux créer, utiliser, partager,
diffuser les données de corpus de langage spontané. C’est en utilisant mieux
les outils et corpus récents que la recherche, nationale et internationale,
pourra s’enrichir et prospérer.

Pour cela, un workshop incluant des tutoriels et des présentations sur les
outils et la recherche utilisant les corpus d’acquisition de langage sera
organisé par le GDR « Langues, langage oral et cognition : acquisition et
dysfonctionnements – nouvelles approches » et financé par le CNRS. Ce
workshop est conçu pour :

*	présenter et introduire des outils utilisés fréquemment pour créer
et éditer des corpus de langage oral (langues orales ou signées). Un
tutoriel concernera les usages avancés des corpus ;
*	présenter et discuter les évolutions en matière d’outils pour corpus
de langage oral ;
*	présenter et discuter l’intérêt et les apports des recherches
utilisant des corpus de langage oral.

Programme

L’organisation de ces tutoriels (Jeudi 18 novembre) pourra évoluer en
fonction du nombre de personnes intéressées. Pour cela, toute personne
intéressée par ces tutoriels doit écrire à Christophe Parisse
(cparisse at u-paris10.fr) pour se préinscrire. La journée du 19 novembre est
ouverte à tous et à accès libre.

Jeudi 18 novembre 2010 (Matin)

Présentation et introduction aux logiciels CLAN et PHON ; transcription et
utilisation pour la recherche. Les présentations se focaliseront sur les
principes de base et fourniront des exemples de recherches effectivement
menées avec ces outils. Elles seront organisées sous forme de tutoriels et
seront ouvertes à des utilisateurs novices.

9h00 – 10h30: Stéphanie Caet (Prismes – Sorbonne Nouvelle Paris 3)

                CLAN pour les Néophytes : découvrir, comprendre et utiliser
un nouvel outil de transcription et d’analyse des interactions

10h45 – 12h15: Naomi Yamaguchi (LPP – Sorbonne Nouvelle Paris 3, SFL –
CNRS-Paris 8)

Transcription phonétique et analyse phonologique avec PHON.

Jeudi 18 novembre 2010 (Après-Midi)

Présentation et introduction au logiciel ELAN ; transcription et utilisation
pour la recherche. Utilisation de corpus déjà existants : comment traiter
ces corpus, comment réaliser des statistiques, comment réaliser une analyse
syntaxique ou lexicale. 

14h00 – 16h00: Simon Harrison & Vito Evola (Natural Media & Engineering,
HumTec Center, RWTH Aachen University)

Une introduction à ELAN pour l’analyse et la transcription de données
multilingues (présentation en anglais)

16h15 – 17h45: Christophe Parisse (MoDyCo-INSERM, CNRS-Université Paris
Ouest Nanterre)

Utiliser, traiter et interroger des corpus existants

Vendredi 19 novembre 2010 (Matin)

Nouvelles tendances et évolutions dans les outils et les corpus de langage
oral, annotation et traitement des corpus. Comment est-il possible
d’utiliser efficacement des outils pour travailler sur l’acquisition du
langage oral ? Quels avantages ces outils offrent-ils pour la recherche ?
Quelles améliorations attendre en particulier dans le traitement de corpus
multimédia et de langage oral ? Est-ce que les outils actuels vont évoluer
ou de nouveaux outils vont-ils se développer ?

9h30-10h15: Han Sloetjes (Max Planck Institute for Psycholinguistics,
Nijmegen)

                ELAN – développements récents et futurs (présentation en
anglais)

10h15-11h00: Michael Kipp (Saarland University, Germany)

                ANVIL: un outil de codage et d’analyse vidéo multi-niveaux
(présentation en anglais)

11h20: 12h05: Thomas Schmidt (Universität Hamburg, Germany)

                EXMARaLDA : système de formats et outils pour la
transcription et l'annotation de la langue parlée (présentation en anglais)

Vendredi 19 novembre 2010 (Après-Midi)

Nouvelles tendances dans les recherches en acquisition du langage. Qu’est-ce
que l’utilisation de corpus a apporté aux recherches en acquisition du
langage ? Comment ont évolué les liens entre recherche théorique et
applications pratiques ? Des présentations seront réalisées par des invités
sur des thèmes allant de la création de données de corpus à l’utilisation de
ces données pour la recherche en acquisition du langage ou en linguistique
computationnelle :

14h-14h50: Susanne Miyata (Aichi Shukutoku University, Nagoya, Japan)

                CHILDES: Corpus en langue japonaise et recherches en
acquisition du langage (présentation en anglais)

14h50-15h40: Heidi Waterfall (Cornell University, NY, USA)

                La variété est le sel de l’analyse longitudinale
(présentation en anglais)

16h-17h: Elena Lieven (MPI-EVA, Leipzig –Germany- and University of
Manchester - UK)

Recherches basées sur des corpus: évolutions récentes, difficultés et
ouvertures (présentation en anglais)

Le workshop et les tutoriels se dérouleront à Paris, au Laboratoire SFL (UMR
7023, CNRS), Centre CNRS Pouchet, 59 rue Pouchet, PARIS.

Comité d’organisation :

Christophe Parisse (Modyco, INSERM, CNRS/Université Paris Ouest Nanterre la
Défense, France)

Aliyah Morgenstern (Prismes, Université Sorbonne Nouvelle, Paris, France)

Maya Hickmann (SFL, CNRS-Paris 8, Paris, France)

Financé par le GDR CNRS « Langue, Langage Oral et Cognition: acquisition et
dysfonctionnements - nouvelles approches », responsable Maya Hickmann.

Tools and Research based on Language Acquisition Corpora

November 18-19 2010, PARIS (FRANCE)

CNRS Pouchet center, 59 rue Pouchet, 75017 PARIS (FRANCE)

Contact: Christophe Parisse cparisse at u-paris10.fr

Multimodal language corpora of spoken and signed languages are now widely
and extensively used in language acquisition studies. This has required new
tools, new research practices, new theories which has brought about ground
breaking changes in research in linguistics and in psycholinguistics. These
recent transformations, techniques and results need to be shared with a
large community of researchers and students in the field of language
acquisition. Creating, using, sharing, analyzing spontaneous oral data with
the relevant tools for each researcher’s specific needs can only help
improve and enrich national and international research on language
acquisition, and collective efforts are needed to attain this goal.

A Workshop including tutorials and various presentations, will be organized
by the GDR “Language, oral language and cognition: Language acquisition –
new approaches” and funded by the CNRS. This workshop is designed to:

*	present and provide introductions to tools used for creating and
analyzing corpora of spontaneous oral (spoken and signed) language (separate
tutorials will target beginners and advanced corpora users);
*	present and discuss trends about tools for oral language data;
*	present and discuss trends about research using oral language
corpora.

Program

The organization of the tutorials (Thursday 18 program) may change according
to the number of people interested. Please send an e-mail to Christophe
Parisse (cparisse at u-paris10.fr) to make a pre-registration. Friday November
19th is free and open access.

Thursday November 18th 2010 – Morning session

Introductory presentations and examples of researches conducted using CLAN
and PHON. Presentations will present the basic requirements when using these
tools and provide examples of actual research conducted with these tools.
They will also provide information to more advanced users.

9h00 – 10h30: Stéphanie Caet (Prismes – Sorbonne Nouvelle Paris 3)

                CLAN for Beginners: discovering and learning how to use new
tools for transcribing and analysing interaction data (presentation in
French)

10h45 – 12h15: Naomi Yamaguchi (LPP – Sorbonne Nouvelle Paris 3, SFL –
CNRS-Paris 8)

Phonetic transcription and phonological analyses using PHON (presentation in
French)

Thursday November 18th 2010 – Afternoon session

Introductory presentations and examples of researches conducted using ELAN,
and other advanced software for corpus analysis.

14h00 – 16h00: Simon Harrison & Vito Evola (Natural Media & Engineering,
HumTec Center, RWTH Aachen University)

An introduction to ELAN for the analysis and transcription of multimodal
linguistic data

16h15 – 17h45: Christophe Parisse (MoDyCo-INSERM, CNRS-Université Paris
Ouest Nanterre)

Using, processing and querying existing corpora (presentation in French)

Friday November 19th 2010 – Morning session

New trends about tools for oral language corpus annotation and processing.
How is it possible to use tools for research on Language Acquisition Corpora
efficiently? What do these tools offer to the researcher? Which
improvements, which changes are of interest to work with oral and multimodal
language corpus? Will existing tools evolve or new tools develop?

9h30-10h15: Han Sloetjes (Max Planck Institute for Psycholinguistics,
Nijmegen)

                ELAN - recent and (possible) future developments

10h15-11h00: Michael Kipp (Saarland University, Germany)

                ANVIL: A multi-level video coding and analysis tool

11h20: 12h05: Thomas Schmidt (Universität Hamburg, Germany)

                EXMARaLDA: system of concepts, data formats and tools for
the computer assisted transcription and annotation of spoken language

Friday November 19th 2010 – Afternoon session

New trends in language acquisition research. What does corpus analysis bring
to language acquisition research? How has it changed the relationship
between theoretical and applied work?

14h-14h50: Susanne Miyata (Aichi Shukutoku University, Nagoya, Japan)

                CHILDES: Japanese corpora and language acquisition research

14h50-15h40: Heidi Waterfall (Cornell University, NY, USA).

                Variety is the Spice of Longitudinal Analysis

16h-17h: Elena Lieven (MPI-EVA, Leipzig –Germany- and University of
Manchester - UK)

Corpus-based research: Recent developments, problems and possibilities

The workshop will be held in Paris, at the SFL Lab (UMR 7023, CNRS), CNRS
Pouchet center, 59 rue Pouchet, Paris, FRANCE.

Organizing committee: 

Christophe Parisse (Modyco, INSERM, CNRS/Paris Ouest Nanterre University,
France)

Aliyah Morgenstern (Prismes, Sorbonne Nouvelle University, Paris, France)

Maya Hickmann (SFL, CNRS-Paris 8, Paris, France)

Funded by the CNRS, GDR « Langue, Langage Oral et Cognition: acquisition et
dysfonctionnements - nouvelles approches », scientific director Maya
Hickmann.

Abstracts (alphabetical)

Stéphanie Caet (Prismes – Sorbonne Nouvelle Paris 3)

CLAN for Beginners: discovering and learning how to use new tools for
transcribing and analysing interaction data

This 1.30-hour workshop aims at familiarizing beginners with the interface
and basic principles of the CLAN software. Three main functions of CLAN will
be approached: 

-              alignment between video or sound and text. This not only
facilitates the transcription work, it also enables researchers to keep
track at all times of the contexts in which utterances were produced; 

-              quantitative analyses of transcribed utterances or
annotations added by the researcher himself, such as frequency counts
(number of utterances produced, total number of words, number of different
words, number of particular forms of annotations) MLU computation, and
automatic localisation of words or constructions in the text and their
context; 

-              automatic morphosyntactic analysis of utterances, to which
frequency counts and textual localisation may also be applied. 

Illustrative analyses will be guided by a realistic research question and
will be performed from data sets available on the CHILDES database
(http://childes.psy.cmu.edu/).

French version (this talk will be presented in French)

CLAN pour les Néophytes : découvrir, comprendre et utiliser un nouvel outil
de transcription et d’analyse des interactions

Cet atelier d’1h30 a pour but de familiariser des utilisateurs novices à
l’interface et aux principes de base d’utilisation du logiciel CLAN. Les
trois fonctions principales de CLAN seront abordées: 

-                       l’alignement entre de la vidéo ou du son avec du
texte, qui d’une part facilite le travail de transcription et d’autre part
permet un va-et-vient permanent entre la transcription et le contexte de
production des énoncés ;

-                       l’analyse quantitative des énoncés transcrits ou des
annotations créées par le chercheur (calcul de fréquences : nombre
d’énoncés, nombre total de mots, nombre de mots différents, fréquence de
certaines formes d’annotations ; calcul de la LME ; repérage automatique de
mots ou de constructions dans le texte et dans leur contexte etc.) ; 

-                       l’analyse morphosyntaxique automatique des énoncés,
à laquelle sont également applicables calculs de fréquence et repérage
textuel.

Les analyses illustratives seront réalisées à partir de données disponibles
sur la base de données CHILDES (http://childes.psy.cmu.edu/) auxquelles nous
appliquerons une problématique de recherche potentielle qui servira de fil
conducteur à ce tutoriel.

Simon Harrison & Vito Evola (Natural Media & Engineering, HumTec Center,
RWTH Aachen University)

An introduction to ELAN for the analysis and transcription of multimodal
linguistic data

In this workshop we acquaint participants with the basic skills required to
collect, analyse, and transcribe multimodal linguistic data in ELAN.

Michael Kipp (Saarland University, Germany)

ANVIL: A multi-level video coding and analysis tool

This talk presents ANVIL, a widely used video coding tool that allows the
encoding of linguistic data on multiple tiers according to a user-defined
coding scheme. The talk's focus will introduce both basic coding
functionality and more recent extensions for analyzing coding reliability
and event association.

Elena Lieven (MPI-EVA, Leipzig and University of Manchester)

Corpus-based research: Recent developments, problems and possibilities

Corpus-based research has always been central to the study of child language
development since it provides evidence of children’s speech and their
language environment in relatively naturalistic settings.  As such, it forms
the basis for describing the overall course of language development and for
the development of hypotheses that can be tested either using data from the
corpora or through experimentation.  In this talk I will first briefly
discuss two important methodological issues: the nature of the sampling
frame and the level of analysis.  I then turn to some recent studies that
illustrate the various possible approaches to the analysis of corpora,
including the production of novel utterances and grammar extraction by young
English-speaking children; productivity measures for morphological marking
in Spanish and Polish; and calculations of cue validity from the input to
predict the development of the transitive in Cantonese, English and German.
I return to the issue of sampling and of cross-linguistic and cross-cultural
comparisons at the end of the talk.

Susanne Miyata (Aichi Shukutoku University, Nagoya, Japan)

CHILDES: Japanese corpora and language acquisition

The focus on spontaneous speech has some tradition in Japan. In the 1950's
the National Institute for Japanese Language started to collect a wide
variety of speech data, and Junya Noji began his monumental diary collection
of the utterances of his son Sumihare. However, because of a lack of
powerful linguistic computer tools, it was only in the late 1990's that
these data became object of in-depth research.

My talk describes the process of CHILDES-related tool development for an
agglutinative null-argument language with a mixed ideogram-phonogram script
without word boundaries, and its impact on current language acquisition
research.

Christophe Parisse (MoDyCo-INSERM, CNRS-Université Paris Ouest Nanterre).

Using, processing and querying existing corpora

Presentation on using existing corpora: how to process them, how to obtain
statistical results, how to generate syntactic and lexical analyses (using
tools such as Excel, R statistical and text processing software, textometric
software). This presentation will also be focused on more advanced users,
for CLAN as well as other software.

French version (this talk will be presented in French)

Utiliser, traiter et interroger des corpus existants

Cette présentation a pour but de donner des outils et des moyens de traiter
les corpus de langage une fois qu’ils sont transcrits : comment les traiter,
comment obtenir des résultats statistiques, comment réaliser des analyses
linguistiques sur le lexique ou la syntaxe (en utilisant des outils comme
par exemple Excel, le logiciel de statistiques et de traitements de corpus
R, des outils textométriques). Cette présentation est particulièrement
destinée aux utilisateurs avancés de CLAN ou d’autres logiciels de
transcription.

Thomas Schmidt (Universität Hamburg, Germany).

EXMARaLDA: system of concepts, data formats and tools for the computer
assisted transcription and annotation of spoken language

My talk will give an overview of EXMARaLDA, a system for the
computer-assisted construction, management and analysis of spoken language
corpora. EXMARaLDA is developed at the Research Centre on Multilingualism at
the University of Hamburg with the principal aim of providing researchers
with an environment in which spoken language data can be efficiently
created, flexibly analysed, and reliably exchanged between people and
computer tools. Presently nearing its 10th anniversary, EXMARaLDA is now
widely used for doing conversation and discourse analysis, research into
first and second language acquisition, dialectology and phonology.

In my talk, I will use examples from learner corpora to demonstrate the
functionality of EXMARaLDA. I will devote special attention to questions of
interoperability, considering both the present situation and possible future
developments.

Han Sloetjes (Max Planck Institute for Psycholinguistics, Nijmegen)

ELAN - recent and (possible) future developments

This talk will spotlight a number of recent and often lesser known
improvements on the annotation tool ELAN. Considerable attention will be
given to current functionality in terms of querying and modifying multiple
files. Extension of this kind of operations on a complete or on a section of
a local corpus is planned for future releases. Furthermore developments in
the realm of semi-automatic annotation and interaction with lexicon tools
will be discussed

Heidi Waterfall (Cornell University, NY, USA).

Variety is the Spice of Longitudinal Analysis

In this presentation, I will explore the ‘variety’ present both in language
acquisition corpora and in the methods used to analyze them.

First, I will argue that while it is necessary to calculate measures of
quantity (e.g., number of tokens, number of utterances), it is also critical
to examine the variety or diversity of structures present in the data (e.g.,
number of different kinds of complex sentences).

Second, I will demonstrate the importance of analyzing the transcript on
various different linguistic levels (e.g., lexical and cross-sentential) in
order to understand the input. Lastly, I will address how using a variety of
tools, specifically, the combination of manual and computational analysis
can yield interesting new areas of research.

Naomi Yamaguchi (LPP – Sorbonne Nouvelle Paris 3, SFL – CNRS-Paris 8)

Phonetical transcription and phonological analysis using PHON

French version (this talk will be presented in French)

Transcription phonétique et analyse phonologique avec PHON

Cet atelier d’1h30 a pour but de familiariser des utilisateurs novices à
l’interface et aux principes de base d’utilisation du logiciel PHON. Nous
aborderons :

-              la segmentation d'un corpus, la transcription phonétique en
utilisateur simple et en double aveugle, la visualisation du signal audio,
la syllabification des énoncés ;

-              quelques recherches possibles concernant les productions
transcrites, comme établir l'inventaire segmental pour une position
syllabique donnée, rechercher des traits distinctifs, rechercher des
harmonies ou des métathèses, et effectuer des recherches personnalisées.

Les données illustratives font partie de différents projets de recherche en
cours, qui seront par la suite données au projet PhonBank.

-- 
You received this message because you are subscribed to the Google Groups "Info-CHILDES" group.
To post to this group, send email to info-childes at googlegroups.com.
To unsubscribe from this group, send email to info-childes+unsubscribe at googlegroups.com.
For more options, visit this group at http://groups.google.com/group/info-childes?hl=en.

-------------- next part --------------
An HTML attachment was scrubbed...
URL: <http://listserv.linguistlist.org/pipermail/info-childes/attachments/20100929/5fe9f2c0/attachment.htm>