Modélisation de l'impact des facteurs sociodémographiques sur la parole des micro-travailleurs d’Amériq

Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
Ce projet postdoctoral vise à faire avancer la compréhension de la variation socio-phonétique chez des communautés peu étudiées, ici les micro-travailleurs d’Amérique latine et du Brésil, en développant des méthodes hybrides intégrant des hypothèses linguistiques avec des approches d’apprentissage automatique supervisé et non supervisé.
Le projet s’inscrit dans une initiative interdisciplinaire à l’intersection de la linguistique, de la sociologie du travail et des technologies de la parole, avec un accent sur les inégalités dans le travail numérique et leur lien avec les pratiques linguistiques.
L’étude exploite un corpus unique d’environ 70 entretiens en espagnol latino-américain avec des micro-travailleurs interrogés par des sociologues dans plusieurs pays, ainsi que 50 enregistrements en portugais brésilien. Ce corpus est richement annoté avec des métadonnées sociodémographiques (sexe, pays, revenu, niveau d’éducation, etc.), ce qui est rare dans les corpus sociolinguistiques traditionnels, où les annotations se limitent généralement à des variables bien étudiées comme la région ou le genre. La multiplicité des variables sociodémographiques offre à la fois une opportunité et un défi : si elle permet des analyses plus approfondies, elle réduit également la taille effective des échantillons pour chaque sous-ensemble de variables, nécessitant des méthodes adaptées aux petits jeux de données. À ces données s’ajoutent des corpus comparables composés de données préexistantes en espagnol et en portugais (par exemple, les corpus sociolinguistiques publics comme PRESEEA (2014-) et les grands corpus disponibles au LISN via des projets antérieurs en technologies de la parole et en linguistique de corpus (Vasilescu et al. 2018, Vasilescu et al. 2020)).

L’objectif principal est d’étudier les interactions entre les patrons de variation linguistiques ( de la phonétique acoustique au niveau sémantique) et les profils sociodémographiques, en allant au-delà des méthodes linguistiques quantitatives traditionnelles grâce à l’intégration d’approches d’apprentissage automatique supervisé et non supervisé.

Ce projet postdoctoral a pour principaux objectifs :
1. État de l’art de la littérature existante en sociolinguistique et en traitement automatique de la parole/modélisation par apprentissage automatique des variétés hispanophones et lusophones, avec un focus sur la relation entre les variables sociodémographiques et les schémas de variation.
2. Confrontation entre la littérature et les corpus de contrôle (ex : PRESEEA) et les données des micro-travailleurs, en exploitant la richesse des métadonnées pour explorer de nouvelles corrélations et tester des hypothèses linguistiques et sociologiques à l’aide de l’apprentissage automatique.
3. Identifier le niveau de granularité linguistique approprié et les traits les plus informatifs (de la variation segmentale — voyelles et consonnes — à la v
Voir plus sur le site emploi.cnrs.fr...

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
Le/la candidat.e idéal.e aura des bases solides en linguistique, avec des compétences avancées en apprentissage automatique, ou un profil en science des données avec un vif intérêt pour l’interdisciplinarité et une spécialisation ou des connaissances solides en linguistique.
Une expérience en analyse acoustique, linguistique de corpus et modélisation statistique sera très appréciée.
Le/la candidat.e devra être à l’aise dans un environnement interdisciplinaire et posséder d’excellentes compétences analytiques et communicationnelles pour contribuer tant aux aspects linguistiques qu’aux aspects techniques du projet.
Contraintes et risques :
NA