Les mouvements argumentatifs dans des échanges scolaires numériques : annotation manuelle et classification automatique de données bruitées et complexes
- Goots, Charly (2026)
Mémoire
- Titre en français
- Les mouvements argumentatifs dans des échanges scolaires numériques : annotation manuelle et classification automatique de données bruitées et complexes
- Titre dans une autre langue
- Argumentative moves in digital classroom discussion : manual annotation and automatic classification of noisy and complex data
- Auteur
- Goots, Charly
- Directeur de recherche
- Vergez-Couret, Marianne (1982-....)
- Co-directeur de recherche
- Ho-Dac, Lydia-Mai (1976-....)
- Date de soutenance
- 23 juin 2026
- Établissement
- Université Toulouse-Jean Jaurès
- UFR ou composante
- Département Sciences du langage
- Sujet
- Informatique et langage
- Mots-clés en français
- Analyse de l'argumentation
- Débats scolaires
- Mouvements argumentatifs
- Grands modèles de langage
- Classification automatique
- Mots-clés dans une autre langue
- Argumentation analysis
- Classroom debates
- Argumentative moves
- Large Language Models
- Automatic classification
- Résumé en français
- Ce mémoire porte sur l’identification automatique de mouvements argumentatifs dans des échanges d’élèves produits sur la plateforme numérique AREN. Le corpus étudié regroupe 5694 messages issus de 47 sessions de débat en classes de 6e et de 4e, caractérisés par une variabilité orthographique importante et une forte dépendance au contexte interactionnel. Un schéma d’annotation en quatre catégories (justification, opposition, nuance et none) a été appliqué manuellement par trois annotateurs sur un échantillon de 69 messages, constituant un gold standard de référence. L’accord inter-annotateur modéré (alpha de Krippendorff = 0.546) reflète la difficulté interprétative des données, la principale source de désaccord portant sur la frontière entre none et les catégories argumentatives. Treize modèles de langage open-source ont ensuite été évalués en zero-shot et en few-shot sur ce gold standard. Parmi les modèles exploitables, Gemma3:12b et Qwen2.5:7b se distinguent comme les plus performants selon des profils complémentaires : le premier offre un meilleur rappel et un meilleur équilibre entre catégories, tandis que le second privilégie la précision au prix d’un fort biais vers none. Des variations de prompts testées sur ces deux modèles confirment que l’ajout d’exemples produit un gain plus substantiel que la modification des instructions.
- Résumé dans une autre langue
- This thesis investigates the automatic identification of argumentative moves in student interactions produced on the AREN digital platform. The corpus consists of 5694 messages collected from 47 classroom debate sessions involving sixth and eighth-grade students. The data are characterized by substantial orthographic variation and a strong dependence on the interactional context. A four-category annotation scheme (justification, opposition, nuance, and none) was manually applied by three annotators to a sample of 69 messages, constituting a reference gold standard. The moderate inter-annotator agreement (Krippendorff's α = 0.546) reflects the interpretative complexity of the data, with the primary source of disagreement arising from the boundary between the none category and the argumentative categories. Thirteen open-source large language models were then evaluated in zero-shot and few-shot settings on this gold standard. Among the models found to be suitable, Gemma3:12B and Qwen2.5:7B achieved the best overall performance with complementary profiles: the former provided higher recall and a more balanced performance across categories, whereas the latter favored precision at the cost of a strong bias toward the none category. Prompt variations tested on these two models further showed that adding examples provides more substantial performance gains than modifying the task instructions.
- Accès au document
- Accès libre
Citation bibliographique
Goots, Charly (2026), Les mouvements argumentatifs dans des échanges scolaires numériques : annotation manuelle et classification automatique de données bruitées et complexes [Mémoire]