Apprentissage des langues
| , ,I. L’acquisition du langage
2. Systèmes dynamiques et modélisation dans l’étude de l’acquisition du langage : tendances, transitions et fluctuations
Texte intégral
1En guise d’introduction – et paraphrasant le fameux sketch comique des Monty Python à propos d’un match de football entre philosophes grecs et allemands – j’aimerais demander au lecteur d’imaginer un match de tennis entre Héraclite (tout est en mouvement...) et Platon (l’essence idéale...), avec Zénon d’Élée comme arbitre. Zénon est bien entendu connu pour ses paradoxes, comme celui d’Achille et la tortue, qui offre une démonstration contre le mouvement. Ce qui est intéressant à propos des paradoxes de Zénon, c’est qu’il est évident qu’ils sont faux – on peut le vérifier en regardant simplement autour de soi – mais il est très difficile (et certains prétendront encore, impossible) de prouver qu’il en est ainsi. Mais alors, pourquoi un avocat de la théorie des systèmes dynamiques, tel le présent auteur, présenterait-il au moins deux visions apparemment opposées à la conception de la réalité en tant que mouvement et ne choisirait-il pas le parti du seul théoricien du mouvement dans le match, Héraclite ? La réponse est que pour une bonne compréhension des systèmes dynamiques tels qu’ils s’appliquent au monde qui nous entoure – y compris cette chose petite mais néanmoins significative appelée langue ou langage – nous devrions vraiment apprendre à apprécier le fait qu’il ne s’agit pas d’une affaire de oui ou non, mouvement contre essence, par exemple. La réponse réside dans l’interaction dynamique de ces visions, c’est-à-dire le match de tennis lui-même, et non celui qui remporte la partie. Si tout ceci a fort peu de sens pour vous, essayons d’aborder le problème sous un angle un tant soit peu plus scientifique.
Qu’implique la théorie des systèmes dynamiques ?
2Si l’on fait des recherches dans la littérature en psychologie du développement à partir des mots-clés « systèmes dynamiques », on trouvera probablement d’abord des publications qui définissent la théorie des systèmes dynamiques comme une théorie de l’action incarnée et contextualisée (particulièrement dans les articles de Thelen et Smith, voir par exemple, Thelen & Smith, 1994, 1998 pour un bilan). Par essence, la cognition, la pensée et l’action sont conçues en termes de schémas dynamiques se déployant à partir de l’interaction sensorimotrice continue dans l’« ici-et-maintenant » entre une personne et son environnement immédiat.
3Le système dynamique en question est le couplage continu entre l’organisme et son contexte direct, qui évolue dans le temps et prend la forme d’une action intelligente, incluant l’utilisation du langage, la participation à une conversation, etc. (pour des exemples de l’application de ce point de vue à l’utilisation des mots et à leur apprentissage, voir par exemple Colunga & Smith, 2005 et Jones & Smith, 2005 ; Gogate, Walker-Andrews & Bahrick, 2001).
4Une seconde approche met en avant l’idée que le développement est un système auto-organisé, qui présente des états attracteurs, un comportement non-linéaire, un caractère complexe, une émergence, etc. Cette approche trouve son inspiration dans l’étude des systèmes dynamiques complexes dans d’autres disciplines, qui a montré que de tels systèmes présentent de fait de telles propriétés. Cette approche s’est principalement centrée sur l’interaction sociale, les émotions et le développement de la personnalité (Lewis, 2000 ; Lewis, Lamey & Douglas, 1999 ; Lewis, 1995, 2005). On trouve des exemples de cette approche dans le champ de l’acquisition de la L1 et en psycholinguistique de façon plus générale dans Hirsh-Pasek, Tucker et Golinkoff (1996), dans van Orden (2002, ce dernier présente un numéro spécial consacré aux dynamiques non linéaires et à la psycholinguistique) et dans Perruchet (2005). L’approche de l’auto-organisation et de la complexité a aussi été appliquée à l’apprentissage et à l’acquisition de la langue seconde (Larsen-Freeman, 1997 ; Herdina & Jessner, 2002).
5Selon une troisième approche, que je défends depuis une quinzaine d’années, les systèmes dynamiques constituent essentiellement une approche mathématique très générale permettant de décrire et d’expliquer le changement, centrée sur l’évolution temporelle de certains phénomènes intéressants et tentant de spécifier les principes ou « règles » qui décrivent cette évolution temporelle (pour un résumé général, voir Van Geert, 1994, 2003 et Van Geert & Steenbeek, 2005). Une application récente de ce point de vue dans le domaine de l’apprentissage de la L2 a été proposée par De Bot, Lowie et Verspoor (2006). Cette approche mathématique générale de l’évolution temporelle du langage a, jusqu’à présent, été appliquée de façon très explicite à l’évolution biologique du langage dans l’espèce humaine, qui bien entendu couvre une échelle de temps totalement différente de celle qui intéresse l’étude du développement du langage (Kello, 2004 ; Kirby, Smith & Brighton, 2004 ; Nowak, Komarova & Niyogi, 2001).
6Les différences entre ces approches sont moins essentielles qu’on ne pourrait le penser. Les relations qu’elles entretiennent sont en fait de l’ordre de la spécification décroissante (et de la généralisation croissante). Nous pouvons ainsi commencer par la définition la plus générale (la troisième approche) et l’appliquer à des systèmes qui sont complexes et suffisamment permanents comme les êtres humains. Nous découvrirons que ces systèmes dynamiques complexes offrent un grand nombre de propriétés intéressantes, à savoir l’auto-organisation, les états attracteurs, etc. Ainsi, l’application de l’approche générale à des systèmes qui nous intéressent, disons, l’étude de l’acquisition d’une langue seconde, conduit à la deuxième approche. Pour expliquer les relations avec la première approche, je vais devoir entrer davantage dans les détails de la dynamique sur des échelles de temps variées. Prenons par exemple la notion de lexique et son évolution chez un individu, en L1 et L2. Il ne fait aucun doute que la notion de lexique fournit un concept utile permettant de décrire un aspect important de la langue chez cet individu et, à terme, son développement. Cependant, on peut se poser la question suivante : que recouvre la notion de « lexique » par rapport au cadre temporel dans lequel les gens produisent et comprennent les mots en situation réelle de parole et de conversation ? Des chercheurs comme Colunga et Smith (2005), Jones et Smith (2005), et Gogate et al. (2001), cités ci-dessus, ont tenté de répondre à cette question en montrant comment la production et la compréhension des mots émergent d’une interaction dynamique entre l’individu et un contexte (leurs travaux portent sur les premiers stades de l’apprentissage des mots chez l’enfant, mais le principe devrait s’appliquer à toute forme de production et de compréhension des mots, y compris chez les adultes). Ainsi, ils ont proposé un modèle de la dynamique à court terme déterminant la production et la compréhension des mots et, par implication, la manière dont des mots nouveaux apparaissent grâce à cette interaction immédiate. Cependant, on peut présupposer ce niveau de dynamique à court terme, pour ainsi dire, et considérer une échelle de temps à long terme dans laquelle on peut voir le nombre de mots nouveaux augmenter comme un tout (comme un lexique) et se stabiliser plus ou moins (ce qui nécessite une échelle de temps d’au moins quelques années, par comparaison avec l’échelle en secondes ou en minutes nécessaire à la description de la dynamique à court terme de la production et de la compréhension réelles).
7L’intérêt que l’on porte à une échelle de temps à court ou à long terme est une question de division du travail scientifique, pour ainsi dire. C’est cette même question qui différencie un biologiste des populations s’intéressant à la croissance des populations et multipliant le nombre d’individus par un taux de fécondité quelconque (le long terme), d’un biologiste du développement étudiant les mécanismes de reproduction chez l’animal. Il est clair que le coefficient multiplicateur du biologiste des populations est une abstraction, qui se traduit par la procréation et la reproduction au niveau de chaque animal. Ainsi les deux niveaux d’analyse peuvent être poursuivis indépendamment l’un de l’autre, mais au final, les deux doivent se rencontrer dans une théorie globale qui explique les liens entre eux.
8La dynamique à court terme qui explique la production et la compréhension réelles du langage « sur le coup » présente un certain nombre de propriétés intéressantes, parmi lesquelles on trouve la fluctuation et la variabilité (Thelen & Smith, 1994 ; van Geert & van Dijk, 2002). Tout modèle se concentrant sur les échelles de temps à long terme doit pouvoir prendre en compte de telles propriétés, qui ne peuvent être ignorées sous le prétexte qu’il s’agit, par exemple, d’erreurs de mesure.
Définition un peu plus technique d’un « système dynamique »
9Selon sa définition mathématique, un « système dynamique » est un système capable « de décrire comment un état se transforme en un autre état au cours du temps » (Weisstein, 1999, p. 501). Donc, si xt spécifie un « état » au temps t, un modèle dynamique s’écrit
10xt+1 = f (xt)
11ce qui signifie que « la valeur de x au temps t+1 est une fonction “f” de la valeur de x au tempst ». Un état correspond à la valeur d’une variable (ou de plusieurs, éventuellement). Tout changement de cette valeur est une fonction de la valeur qu’a la variable à un moment donné. Ainsi, le modèle des systèmes dynamiques appliqué au développement lexical sur une échelle de temps à long terme prendra le niveau actuel du lexique d’un enfant particulier, par exemple 100 mots à l’âge de 19 mois, et spécifiera l’opération mathématique qui décrit l’augmentation du lexique sur une unité de temps donnée (un mois, par exemple). C’est-à-dire que l’état suivant du lexique (après un mois) est une transformation de l’état actuel, selon un modèle explicite ou une série de règles, qui dans le cas de l’évolution du lexique revient très probablement à un simple coefficient multiplicateur (l’auteur a montré que le modèle réaliste est un peu plus compliqué – mais pas vraiment beaucoup plus – qu’une simple multiplication, voir Van Geert, 1991). Notons qu’un modèle dynamique est « récursif » ou « itératif ». C’est-à-dire qu’il décrit une procédure ou fonction (le f de l’équation) qui transforme xt en xt+1, xt+1 en xt+2, xt+2 en xt+3 et ainsi de suite. Ainsi, le « résultat » de l’application précédente de la fonction dynamique f est « l’entrée » de l’application suivante. La série d’x successifs constitue la description d’un processus, aussi appelée « évolution temporelle » de la variable en question (le lexique par exemple). Le « f » de l’équation représente un mécanisme de changement et est appelé règle d’évolution ou terme d’évolution.
12L’évolution du lexique est un exemple très simple en ce qu’il ne comporte qu’une composante, à savoir le lexique. En principe, les systèmes dynamiques sont plus complexes, en ce qu’ils consistent en un système de variables ou de composantes couplées. Bates et Goodman (1997), par exemple, ont conclu à un couplage étroit entre le développement de la grammaire et du lexique, qu’ils proposent de décrire en fin de compte sous la forme d’un type de couplage dynamique non-linéaire. Ainsi, soit x le lexique et y la grammaire (chez un enfant donné, à un moment donné). Le modèle dynamique couplé s’écrirait
13xt+1 = ƒ (xt, yt) ; yt+1 = ƒ (yt, xt)
14qui indique que l’état du lexique suivant est une fonction de l’état du lexique précédent et de celui de la grammaire, tandis que l’état de la grammaire suivant est une fonction de l’état de la grammaire précédent et de celui du lexique. Ces systèmes dynamiques couplés offrent toutes sortes de propriétés intéressantes, dont une évolution en S, une évolution pas à pas, des régressions temporelles des composantes couplées, etc. Notons à nouveau que ces phénomènes s’appliquent à des échelles de temps à long terme, impliquant des durées d’au moins plusieurs mois, voire plusieurs années. La nature des relations entre les composantes qui gouvernent la dynamique de ces phénomènes sur le long terme au cours du développement est relativement simple. Il s’agit de relations de support, de compétition, de neutralité ou de condition (voir Figure 1).
15Une relation de support fournie par le lexique pour la grammaire, par exemple, signifie que la grammaire augmente (c’est-à-dire les connaissances grammaticales, le niveau de compétence) proportionnellement à la taille du lexique : plus le lexique est important, plus son effet est grand sur l’accroissement de la compétence grammaticale (toutes choses étant égales par ailleurs). Ces relations sont aussi gouvernées par des effets limitateurs, qui rendent compte du fait que la magnitude de la relation ou de l’effet a la forme d’un U inversé, c’est-à-dire avec un effet optimal à un niveau spécifique. En ce qui concerne le lexique et la grammaire, leur relation la plus probable est symétrique positive, ce qui signifie que le lexique affecte positivement la grammaire et que la grammaire affecte positivement le lexique (dans un exemple à suivre, nous verrons que les relations entre composantes peuvent être asymétriques). Au moyen de ces relations simples, il est possible de spécifier un réseau d’influences symétriques ou asymétriques entre les composantes d’un système dynamique, comprenant au moins deux composantes, mais en réalité beaucoup plus la plupart du temps. Un exemple d’un système dynamique plus complexe comprendrait les relations entre lexique, grammaire, cognition, perception et communication. Il est facile d’imaginer qu’un tel système a tendance à devenir très compliqué. Cependant, c’est une erreur de croire que les systèmes réels complexes ne peuvent être représentés ou expliqués que par des modèles complexes. Il existe de nombreux exemples – et le développement du lexique en fait partie – dans lesquels le système réel complexe présente des comportements à long terme relativement simples qui peuvent être représentés sous la forme de modèles dynamiques relativement simples. Cette « réduction vers la simplicité » est une des propriétés caractéristiques des systèmes réels complexes, comportant des myriades de composantes sous-jacentes (c’est-à-dire tous les petits événements biologiques, neurocognitifs et sociaux qui constituent l’utilisation, la compréhension et l’apprentissage des mots). Ce principe est appelé coordination ou réduction des degrés de liberté et il explique pourquoi le cerveau et le contexte par exemple, qui sont tous deux d’une extrême complexité, peuvent agir à l’unisson pour produire un événement cohérent tel que discuter avec quelqu’un, ou atteindre le but d’une action simple (Pessa, 2004).
Les incertitudes de la dynamique...
16Inutile de préciser que la dynamique à court terme de cette coordination est encore loin d’être comprise. Alors qu’il est relativement simple de prendre une propriété de haut niveau comme « le lexique » ou « la grammaire » et d’examiner son évolution à long terme, la dynamique à court terme nécessite la compréhension d’un très grand nombre de composantes ou de constituants de bas niveau, cachés au plus profond du cerveau et éparpillés dans les nombreux aspects du contexte concret immédiat de la production langagière réelle. Les tentatives de compréhension de cette dynamique sont issues de domaines tels que la neuro-cognition, mais aussi des modèles connexionnistes (Ellis, 1998 ; Elman, 2001 ; Thelen & Bates, 2003) et de l’approche des systèmes dynamiques de la cognition contextualisée que l’on a évoquée plus haut. Cette dynamique à court terme revient à ce que Thelen et Smith (1996), en accord avec Haken (1999), ont appelé un « processus d’assemblage provisoire ». C’est-à-dire que les variables psychologiques et linguistiques que nous percevons comme constitutives des actions d’une personne ne sont pas des unités fixes et permanentes, mais font l’objet d’un assemblage dynamique si nécessaire. Que cette notion d’assemblage provisoire soit ou non la meilleure explication possible, par exemple, du statut des composantes et des constituants linguistiques tels que les mots, les phrases ou les structures grammaticales, elle est cependant cohérente avec l’idée que le langage et son développement est un phénomène complexe et dynamique, qui dispose des propriétés d’Héraclite (« tout est en mouvement ») et de celles de Platon (l’essence idéale) qui, en un sens apparemment paradoxal, se superposent. En conséquence, tout chercheur étudiant le développement du langage est susceptible de se trouver confronté à des phénomènes de non-linéarité (les conséquences ne sont pas toujours proportionnelles aux causes...), d’influences mutuelles (A a un effet causal sur B et B sur A), de flou, d’ambiguïté, d’incertitude et de variabilité intra- et interpersonnelles.
17Comme chercheurs, l’habitude – et notre formation – nous conduisent à traiter le flou, l’ambiguïté, l’incertitude et la variabilité comme la conséquence de l’absence d’informations, et donc comme des propriétés vouées à s’atténuer ou à disparaître une fois que nous pouvons mieux cerner le phénomène étudié. Cette croyance a pour origine l’idée que, par essence, les choses sont clairement définies et nettement séparées les unes des autres, et que les problèmes proviennent de l’imperfection de nos sens, c’est-à-dire les limitations des tests et de l’observation (le principe de Platon). Par exemple, lorsque l’on transcrit le corpus langagier d’un jeune enfant, il peut s’avérer difficile, voire impossible, de décider si un énoncé donné est composé d’un mot ou de deux, ou si un mot est en fait un verbe, une préposition ou quelque chose d’autre. Il se peut qu’il n’existe aucun moyen de trancher définitivement, mais on considère qu’il s’agit d’une erreur de mesure, en supposant qu’en réalité l’énoncé contient bien un mot ou deux mots, ou que le mot est en fait un verbe, une préposition ou quelque chose d’autre, mais pas tout en même temps. Cependant, du point de vue des systèmes dynamiques – étant donné la nature dynamique et complexe du phénomène étudié – des propriétés telles que le flou, l’ambiguïté, l’incertitude et la variabilité intra- et inter-personnelles – ne sont pas dues à des lacunes dans nos connaissances, mais sont des propriétés intrinsèques et caractéristiques des phénomènes en eux-mêmes, cela étant particulièrement vrai dans le cas de phénomènes « en construction », comme dans un processus de développement. Dès lors, il serait plus vrai de dire dans ce contexte et à ce moment du développement, que l’énoncé est en même temps un mot et deux mots, ou qu’un mot est à la fois un verbe et une préposition, dans la mesure où de telles catégories ont encore un sens.
18Bien sûr, une telle perspective semble ouvrir la porte à la confusion la plus totale, aux paradoxes et à des affirmations invérifiables. Cependant, cette conclusion est prématurée. Si le flou et le reste sont les propriétés d’une certaine réalité développementale, alors il doit être possible d’étudier et de quantifier ces propriétés, de la façon normalement pratiquée dans les sciences. Dans une série d’articles, Marijn van Dijk et moi-même avons présenté diverses solutions possibles permettant de quantifier le flou, l’ambiguïté, l’incertitude et la variabilité dans le développement du langage et d’utiliser ces phénomènes comme des indices de processus développementaux sous-jacents (Van Geert & Van Dijk, 2002, 2003 ; Van Dijk & Van Geert, 2005, 2007). Par exemple, dans une étude (Van Dijk & Van Geert, 2005) nous avons appliqué des scénarios « what-if » pour compter des énoncés ininterprétables ou problématiques. Par exemple, s’il n’est pas clair qu’un énoncé donné contient un mot ou deux, on peut se demander « et s’il n’y en avait qu’un » (condition stricte) ou « et s’il y en avait deux » (condition moins stricte). En appliquant ces scénarios systématiquement à tous nos calculs de mots, on obtient une estimation de l’étendue du nombre de mots possibles (MLU) dans divers scénarios (il va sans dire que ces scénarios doivent être suffisamment défendables d’un point de vue linguistique et développemental ; le plus important est que le même ensemble de scénarios d’interprétation soit utilisé dans toute l’histoire développementale d’un enfant donné et avec les autres enfants). Nous avons utilisé l’ampleur de cet ensemble comme estimation de l’ambiguïté ou du flou de la production langagière de l’enfant et avons trouvé, d’une part, que celle-ci change au cours du développement dans un même corpus et, d’autre part, qu’elle présente des différences nettes d’un enfant à un autre (voir Figure 2).
19Ce dernier résultat nous a conduits à faire l’hypothèse que de telles différences d’ambiguïté sont liées à différents styles ou stratégies de développement du langage, c’est-à-dire à des différences dans la dynamique de construction du langage. En résumé, des propriétés comme le flou ou l’ambiguïté peuvent être considérées comme des « empreintes digitales » ou des indicateurs d’un système auto-organisé ou émergeant, ou d’un système en transition. Dans la partie suivante, je donnerai un exemple de la manière dont ces propriétés, et la variabilité (intra-individuelle) en particulier, peuvent être utilisées dans l’étude de la dynamique du développement précoce du langage.
Transitions dans le développement précoce du langage
Y a-t-il des indices de transitions ?
20Dans une étude menée avec D. Bassano, nous avons tenté, premièrement, de trouver des preuves empiriques de transitions dans le développement précoce de la grammaire et, deuxièmement, d’appliquer un modèle dynamique aux changements à long terme dans la production langagière (l’histoire complète est assez compliquée, et pour les détails je renvoie à Bassano & Van Geert, 2007). Le modèle que nous voulions tester renvoie à une hypothèse connue depuis une trentaine d’années maintenant, selon laquelle pendant la construction du vrai langage syntaxique, les enfants débutent par une étape où un mot exprime une signification référentielle complexe. Ainsi, le mécanisme générateur du langage produit des expressions à unités uniques renvoyant à tout ce que l’enfant pourrait vouloir dire, et donc appelé générateur « holophrastique ». Dans une deuxième étape, l’enfant combine ces holophrases complexes en énoncés comportant quelques unités de ce type (deux ou trois) et il produit ainsi du langage au moyen de combinaisons, d’où l’étape du générateur combinatoire. Alors qu’ils combinent des mots, les enfants deviennent sensibles à la manière dont le langage ambiant combine les mots, ce qui implique plus que de simples combinaisons et fait intervenir l’utilisation d’une syntaxe (règles d’ordre, correspondance des mots, etc.). Ainsi, c’est dans la troisième et dernière étape de ce processus que le langage est basé sur un générateur syntaxique. Ces étapes constituent un très bon exemple d’états flous (si les trois étapes existent réellement). Elles interviennent sous la forme de vagues qui se chevauchent et ne sont pas strictement séparées les unes des autres. L’hypothèse alternative est que le développement du langage suit un processus continu (quelle que soit la nature exacte de ces processus continus sous-jacents).
21Tout d’abord, s’il existe trois étapes de ce type, il doit exister des indices des transitions entre les étapes qui ne peuvent s’expliquer par l’hypothèse de la continuité. Cela peut prendre la forme de changements rapides dans les propriétés du langage de l’enfant, mais peut aussi se rencontrer sous la forme d’indicateurs quantitatifs de transition, plus précisément sous la forme d’une confluence entre un changement rapide et un accroissement temporaire de la fluctuation ou de la variabilité (c’est-à-dire fluctuation de longueur de phrases plus grande que la moyenne ; remarquons que la fluctuation ou la variabilité doivent être définies de façon à pouvoir être mesurées indépendamment du taux d’accroissement, autrement le raisonnement est circulaire ; pour les détails techniques et statistiques, voir Bassano & Van Geert, 2007).
22Par ailleurs, s’il existe trois étapes, il doit être possible de modéliser l’évolution à long terme de l’expression linguistique de ces étapes, sous forme d’un modèle dynamique de développement par étapes. Bien entendu, si les données montrent deux transitions et qu’elles peuvent être modélisées sous forme d’un développement par étapes, ce résultat ne prouve pas que les étapes sont bien celles que nous pensons, mais il est clair que, dans ce cas, il devient de plus en plus difficile de défendre l’hypothèse que la trajectoire développementale est continue.
Données et méthode
23La majeure partie des données utilisées dans cette étude vient du corpus longitudinal d’une fillette française, Pauline, qui a été étudiée de 1 ; 2 ans à 3 ; 0 ans. Le reste des données provient d’un autre enfant français, Benjamin, étudié entre 2 ; 0 et 3 ; 0 ans (pour l’analyse du développement du langage des enfants, voir Bassano, 1996, 2000 ; Bassano, Maillochon & Eme, 1998 ; Bassano et al., 2004). Les données ont été obtenues par la méthode d’échantillonnage de parole spontanée. Pour chaque enfant, on a calculé la fréquence des énoncés d’un mot, de deux mots et de trois mots, etc. (W1, W2, W3, etc.), et ceci pour chaque échantillon mensuel (120 énoncés) et sous-échantillon (60 énoncés et 30 énoncés respectivement). La Figure 3 montre les courbes lissées des données brutes, sur la base de la procédure de lissage de Loess (lissage des moindres carrés à pondération locale) qui fournit une représentation des changements de fréquence des phrases et peut mettre en évidence d’éventuelles régressions temporelles, accélérations dans le taux d’accroissement, etc.
Indices de transitions entre étapes ?
24Le premier type d’indices d’une transition entre étapes concerne la survenue d’une augmentation des fluctuations au moment où une transition est censée avoir lieu. Remarquons à nouveau que la transition n’est pas une question de tout ou rien. On fait l’hypothèse que les générateurs représentent des états flous d’assemblage provisoire intervenant sous forme de vagues qui se chevauchent (autrement dit, il y a des moments où deux générateurs ou plus sont simultanément présents et opérationnels). Néanmoins, la transition peut correspondre à un changement dans le mode de générateur dominant, qui est alors susceptible d’intervenir simultanément avec une fluctuation en augmentation temporaire. La fluctuation est la différence entre les pourcentages de phrases W1, W2-3 et W4+ entre les sessions d’observation ou au sein des sessions d’observation (c’est-à-dire en comparant la première moitié de la session avec la seconde, par exemple). Une autre définition est que c’est la différence entre la fréquence attendue (représentée par les courbes lissées) et la fréquence observée (les données brutes). En faisant le graphique des fluctuations dans le temps (âges en mois), nous avons observé deux pics dans la variabilité qui coïncident avec un accroissement rapide des phrases W2-3 (censées correspondre au générateur combinatoire) et un accroissement rapide des phrases W4+ (censées correspondre au générateur syntaxique). La partie délicate de l’exercice a consisté à montrer que ces pics n’étaient pas des artefacts – soit un artefact du changement rapide en lui-même, soit des artefacts statistiques (explicables par de simples effets de distribution aléatoire). En faisant des tests de simulation statistique, nous avons trouvé qu’il était peu probable que les deux pics de variabilité résultent de l’un ou l’autre de ces artefacts statistiques. Ainsi, deux transitions se manifestent dans les données. Les analyses des propriétés linguistiques des énoncés des enfants corroborent l’hypothèse que, pendant les moments supposés de transition, quelque chose de particulier a vraiment lieu.
25Une deuxième approche diffère de la précédente qui visait à vérifier les transitions sous-jacentes entre étapes en ce qu’elle tente de modéliser les données par un modèle de croissance dynamique étape par étape. Ce modèle n’explique pas l’émergence d’un nouveau générateur sur les bases de l’ancien. Pour ce faire, un autre type de modèle serait nécessaire. Celui-ci vise à fournir un modèle de la manière dont les trois générateurs interagissent dans le temps, et ce faisant détermine les caractéristiques quantitatives de leur trajectoire temporelle. Conformément aux modèles comparables de croissance, nous avons fait l’hypothèse que les générateurs supposés – qui sont hiérarchiquement ordonnés en termes de complexité développementale présumée – étaient caractérisés par une relation asymétrique bi-directionnelle (voir Figure 2). Partant du générateur le moins sophistiqué pour aller vers le plus sophistiqué, il s’agit de relations de support et de condition (autrement dit, le générateur holophrastique soutient la croissance du générateur combinatoire et conditionne en lui-même son émergence ; une logique similaire s’applique à la relation entre générateurs combinatoire et syntaxique). On fait l’hypothèse que ce sont des relations de compétition qui existent entre générateurs, du plus sophistiqué au moins sophistiqué, c’est-à-dire que la mise en place de générateurs plus sophistiqués provoque le déclin de ceux qui le sont moins (voir Figure 4).
26Après l’élaboration d’un modèle mathématique décrivant les relations asymétriques bi-directionnelles expliquées ci-dessus, un programme d’optimisation de paramètres a fourni une estimation du meilleur ensemble de paramètres possible, c’est-à-dire l’ensemble pour lequel le modèle produit le meilleur ajustement possible des données. La Figure 5 présente le résultat de cette procédure d’optimisation, montrant que le modèle fournit un bon ajustement des données.
27Remarquons que, comme la fluctuation est importante, l’ajustement est moins satisfaisant pendant les points de transition supposés, simplement parce que la fluctuation est maximale en ces points. Il en découle que le modèle dynamique de croissance, pas à pas, fournit un bon ajustement global des données, mais qu’il ne parvient pas à saisir des phénomènes sous-jacents supplémentaires comme la transition d’un mode dominant à un autre. La recherche de pics de variabilité et la modélisation dynamique ont toutes deux été effectuées sur les données de Pauline et de Benjamin, bien que la discussion actuelle porte seulement sur les données de Pauline. Remarquons à nouveau que la découverte d’indices de transitions et d’un développement par étapes ne montre pas à elle seule que les générateurs supposés sont bien ceux qui expliquent l’évolution de la longueur des énoncés de l’enfant. D’autres analyses, par exemple d’orientation plus linguistique, sont nécessaires pour étayer davantage cette théorie.
Conclusion
28L’approche des systèmes dynamiques appliquée au développement du langage ne remplace pas l’analyse linguistique et l’élaboration de théories linguistiques. Dans le match de tennis qui oppose Héraclite à Platon, elle joue le rôle d’Héraclite, mais elle ne peut jouer ce rôle qu’en présence d’un second joueur. Le second joueur n’est pas vraiment l’adversaire qui doit être battu, mais plutôt celui qui lance la balle, renvoyée dans un jeu résultant en une compréhension plus approfondie de la complexité du phénomène qu’est l’apprentissage du langage. La mise en œuvre d’une approche de systèmes dynamiques nécessite un niveau considérable de « résistance épistémologique », si ce n’est d’immunité, chez le chercheur. Le flou, l’ambiguïté et la fluctuation font partie intégrante des systèmes en développement. Ils ne devraient pas être balayés hors champ, mais devraient en fait être quantifiés et considérés comme indices du développement. L’interaction entre différentes échelles de temps complique l’objet d’étude, mais tant que le chercheur reste attentif aux propriétés qui sont véritablement caractéristiques du développement du langage, l’approche des systèmes dynamiques offre une perspective prometteuse pour une meilleure compréhension des mécanismes et processus sous-jacents.
Bibliographie
Références
Bassano, D. (1996). Functional and formal constraints on the emergence of epistemic modality : A longitudinal study on French. First Language, 16 (46), 77-113.
Bassano, D., (2000). Early development of nouns and verbs in French : Exploring the interface between lexicon and grammar. Journal of Child Language, 27, 521-559.
Bassano, D., Laaha, S., Maillochon, I. & Dressler, W.U. (2004). Early acquisition of verb grammar and lexical development : Evidence from periphrastic constructions in French and Austrian German. First Language, 24 (1), 33-70.
Bassano, D., Maillochon I. & Eme, E. (1998). Developmental changes and variability in early lexicon : A study of French children’s naturalistic productions. Journal of Child Language, 25 (3), 493-531.
Bassano, D. & Van Geert, P. (2007). Modeling continuity and discontinuity in utterance length : A quantitative approach to changes, transitions and intra-individual variability in early grammatical development. Developmental Science, 10 (5), 588-612.
Bates, E. & Goodman, J.C. (1997). On the inseparability of grammar and the lexicon : Evidence from acquisition, aphasia, and real-time processing. Language and Cognitive Processes, 12, 507-586.
Colunga, E. & Smith, L.B. (2005). From the lexicon to expectations about kinds : A role for associative learning. Psychological Review, 112, 347-382.
De Bot, K., Lowie, W.A. & Verspoor, M. (2006). A dynamic systems theory approach to second language acquisition. Bilingualism, Language and Cognition, 10 (1), 7-21.
Ellis, N.C. (1998). Emergentism, connectionism and language learning. Language Learning, 48, 631-664
Elman, J.L. (2001). Connectionism and language acquisition. In M. Tomasello & E. Bates (Eds.), Language development : The essential readings (pp. 295-306). Malden, MA : Blackwell Publishing.
Gogate, L.J., Walker-Andrews, A.S. & Bahrick, L.E. (2001). The intersensory origins of word comprehension : An ecological-dynamic systems view. Developmental Science, 4, 1-18.
Haken, H. (1999). Synergetics and some applications to psychology. In W. Tschacher & J.P. Dauwalder (Eds.), Dynamics, synergetics, autonomous agents (pp. 3-12). Singapore : World Scientific.
Herdina, P. & Jessner, U. (2002). A dynamic model of multilingualism. Perspective of change in psycholinguistics. Clevedon : Multilingual Matters.
Hirsh-Pasek, K., Tucker, M. & Golinkoff, R.M. (1996). Dynamic systems theory : Reinterpreting « prosodic bootstrapping » and its role in language acquisition. In J.L. Morgan & K. Demuth (Eds.), Signal to syntax : Boot-strapping from speech to grammar in early acquisition (pp. 449-466). Hillsdale (NJ) : Lawrence Erlbaum Associates.
Howe, M.L. & Lewis, M.D. (2005). The importance of dynamic systems approaches for understanding development. Developmental Review, 25, 247-251.
Jones, S.S. & Smith, L.B. (2005). Object name learning and object perception : A deficit in late talkers. Journal of Child Language, 32, 223-240.
Kello, C.T. (2004). Characterizing the evolutionary dynamics of language. Trends in Cognitive Sciences, 8, 392-394.
Kirby, S., Smith, K. & Brighton, H. (2004). From UG to Universals : Linguistic adaptation through iterated learning. Studies in Language, 28 (3), 587-607.
Larsen-Freeman, D. (1997). Chaos/complexity science and second language acquisition. Applied Linguistics, 18, 141-165.
Lewis, M.D. (1995). Cognition-emotion feedback and the self-organization of developmental paths. Human Development, 38, 71-102.
Lewis, M.D., (2000). Emotional self-organization at three time scales. In M.D. Lewis & I. Granic (Eds.), Emotion, development, and self-organization : Dynamic systems approaches to emotional development (pp. 37-69). Cambridge University Press.
Lewis, M.D., (2005). Self-organizing individual differences in brain development. Developmental Review, 25, 252-277.
Lewis, M.D., Lamey, A.V. & Douglas, L. (1999). A new dynamic systems method for the analysis of early socioemotional development. Developmental Science, 2, 457-475.
Nowak, M.A., Komarova, N.L. & Niyogi, P. (2001). Evolution of universal grammar. Science, 291, 114-118.
Perruchet, P. (2005). Statistical approaches to language acquisition and the self-organizing consciousness : A reversal of perspective. Psychological Research/Psychologische Forschung, 69, 316-329.
Pessa, E. (2004). Quantum connectionism and the emergence of cognition. In G.G. Globus, K.H. Pribram & G. Vitiello (Eds.), Brain and being : At the boundary between science, philosophy, language and arts (pp. 127-145). Amsterdam : John Benjamins Publishing Company.
Thelen, E. & Bates, E. (2003). Connectionism and dynamic systems : Are they really different ? Developmental Science, 6, 378-391.
Thelen, E. & Smith, L.B. (1994). A dynamic systems approach to the development of cognition and action. Cambridge, MA : Bradford Books/MIT Press.
Thelen, E. & Smith, L.B., (1998). Dynamic systems theories. In W. Damon & R. Lerner (Eds.), Handbook of child psychology (pp. 563-634). New York : Wiley.
van Dijk, M. & van Geert, P. (2005). Disentangling behavior in early child development : Interpretability of early child language and its effect on utterance length measures. Infant Behavior and Development, 28, 99-117.
van Dijk, M. & van Geert, P., (2007). Wobbles, humps and sudden jumps : A case study of continuity, discontinuity and variability in early language development. Infant and Child Development, 16 (1), 7-33.
Van Geert, P. (1991). A dynamic systems model of cognitive and language growth. Psychological Review, 98, 3-53.
Van Geert, P., (1994). Dynamic systems of development. Change between complexity and chaos. New York : Harvester.
Van Geert, P., (2003). Dynamic systems approaches and modeling of developmental processes. In J. Valsiner & K.J. Conolly (Eds.), Handbook of developmental Psychology (pp. 640-672). London : Sage.
Van Geert, P. & van Dijk, M. (2002). Focus on variability : New tools to study intra-individual variability in developmental data. Infant Behavior and Development, 25 (4), 340-374
Van Geert, P. & van Dijk, M. , (2003). Ambiguity in child language : The problem of inter-observer reliability in ambiguous observation data. First Language, 23 (3), 259-284.
Van Geert, P. & Steenbeek, H. (2005). Explaining after by before. Basic aspects of a dynamic systems approach to the study of development. Developmental Review, 25 (3-4), 408-442.
Van Orden, G.C. (2002). Nonlinear dynamics and psycholinguistics. Ecological Psychology, 14, 1-4.
Weisstein, E.W. (1999). CRC concise encyclopedia of mathematics. Boca Raton, FL : Chapman & Hall/CRC.
Table des illustrations
![]() | |
---|---|
Légende | Figure 1 |
URL | http://books.openedition.org/editionscnrs/docannexe/image/5955/img-1.jpg |
Fichier | image/jpeg, 122k |
![]() | |
Titre | Incertitude des MLU |
Légende | Figure 2 |
URL | http://books.openedition.org/editionscnrs/docannexe/image/5955/img-2.jpg |
Fichier | image/jpeg, 89k |
![]() | |
Titre | Données brutes de Pauline |
Légende | Figure 3 |
URL | http://books.openedition.org/editionscnrs/docannexe/image/5955/img-3.jpg |
Fichier | image/jpeg, 82k |
![]() | |
Titre | Données lissées de Pauline |
Légende | Figure 3 |
URL | http://books.openedition.org/editionscnrs/docannexe/image/5955/img-4.jpg |
Fichier | image/jpeg, 88k |
![]() | |
Légende | Figure 4 |
URL | http://books.openedition.org/editionscnrs/docannexe/image/5955/img-5.jpg |
Fichier | image/jpeg, 41k |
![]() | |
Titre | Modèle dynamique de croissance de Pauline |
Légende | Figure 5 |
URL | http://books.openedition.org/editionscnrs/docannexe/image/5955/img-6.jpg |
Fichier | image/jpeg, 82k |
Le texte et les autres éléments (illustrations, fichiers annexes importés) sont sous Licence OpenEdition Books, sauf mention contraire.