evidoria

← Retour à la liste

Bonne pratique Importée

YembaEGRA — Construire un corpus de reconnaissance vocale par IA pour diagnostiquer les difficultés de lecture dans la langue yemba au Cameroun

Cameroun · Bamendou · Voir le profil de Cameroun

Preuves: Descriptif / auto-déclaré Top 81% 33/100 · Demandez à Evidence Copilot à propos de cette pratique

Des chercheurs de l'Université de Yaoundé I ont créé YembaEGRA, un corpus vocal de 69 locuteurs à Bamendou, Cameroun, pour entraîner une IA diagnostiquant la sous-compétence de lecture manquante d'un enfant locuteur du yemba, face à la pénurie d'évaluateurs multilingues du pays.

69 (36 girls, 33 boys)
Élèves enregistrés
60
Mots lus par élève (deux fois chacun)
120
Enregistrements étiquetés par enfant

Détails

Maturité
Pilote
Promoteur
Université de Yaoundé I, funded by the EU Horizon 2020 MSCA-RISE 'Esperanto' project
Période
2024-2025
Mots-clés
AI/NLP research, mother-tongue education, reading assessment, teacher capacity

Contexte

Le Cameroun compte plus de 200 langues nationales, et ses écoles primaires mélangent régulièrement des enfants dont la maîtrise de la lecture devrait être évaluée dans une langue maternelle que peu d'évaluateurs formés parlent. Les protocoles standard d'évaluation de la lecture en début de scolarité (EGRA) exigent qu'un évaluateur formé teste individuellement chaque enfant, ce qui est lent et dépend d'un personnel multilingue rare.

Activités

Les chercheuses et chercheur Arielle Kitio Tsamo, Paulin Melatagia Yonta et Sherelle Kana Azeuko, de l'Université de Yaoundé I, avec le financement du projet UE Horizon 2020 MSCA-RISE « Esperanto », ont constitué et publié le corpus vocal YembaEGRA (Mendeley Data, juin 2025) pour le yemba, une langue bantoue parlée dans la région Bamiléké du Cameroun : 69 élèves de niveau 3 (36 filles, 33 garçons) à Bamendou, dans le département du Haut-Nkam, ont chacun lu 60 mots liés au programme scolaire deux fois, produisant 120 enregistrements étiquetés par enfant, afin d'entraîner et de valider des modèles de reconnaissance vocale automatique (ASR) selon un cadre diagnostique « tester-intervenir-retester ».

Résultats

L'article de 2024 propose qu'un modèle ASR écoute un enfant lire à voix haute, classe la sous-compétence de lecture spécifique (décodage, fluidité, compréhension) qui est faible, et signale où un enseignant devrait intervenir ; un facilitateur pédagogique a sélectionné les mots pour correspondre à huit domaines thématiques du programme national, et un spécialiste de la langue yemba les a traduits et révisés.

Conclusions

Au moment de la publication, il s'agit d'un effort de constitution de corpus et de développement de modèle, et non d'un outil déployé en classe et évalué en termes de résultats : aucune donnée publiée ne montre encore si les interventions signalées par l'ASR améliorent réellement les scores de lecture des enfants. Le projet se distingue surtout en démontrant une méthode reproductible et peu coûteuse que d'autres communautés linguistiques sous-dotées pourraient utiliser pour constituer leurs propres données d'entraînement EGRA-IA.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
Université de Yaoundé I research team, Educational facilitator (curriculum word selection), Yemba-language specialist (translation/review)

Conditions de réussite

  • Curriculum-linked word selection (matched to eight national-curriculum thematic areas) reviewed by a language specialist before recording
  • Published as an open dataset (Mendeley Data) to let other under-resourced language communities replicate the method

Habituellement financé par

Horizon Europe

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Kit de réplication

Artefacts réutilisables de cette pratique — tels que publiés par leurs sources.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles