Apprendre une nouvelle langue n’est jamais simple. Pourtant, les enfants semblent y parvenir à un rythme beaucoup plus rapide que les adolescents ou les adultes. Dans une nouvelle étude, parue le 2 juillet dans la revue Psychological Science, des chercheurs américains suggèrent que cela s’explique par la manière avec laquelle les parents utilisent ce qu'ils savent du langage de leurs enfants lorsqu'ils leur parlent. Les parents auraient des modèles extrêmement précis des connaissances linguistiques de leurs enfants et utilisent ces modèles pour ajuster la langue qu'ils utilisent lorsqu'ils leur parlent.
S’adapter aux connaissances de l’enfant
Adapter son discours au niveau linguistique de son interlocuteur serait donc la clé pour apprendre une nouvelle langue plus rapidement. “Nous savons depuis des années que les parents parlent aux enfants différemment des autres adultes, par exemple en simplifiant leur discours, en dupliquant les mots et en étirant les voyelles, assure Daniel Yurovsky, professeur adjoint en psychologie à l'université Carnegie Mellon et co-auteur de l’étude. Ce truc aide les jeunes enfants à se familiariser avec la langue, mais nous ne savons pas si les parents changent leur façon de parler au fur et à mesure que les enfants acquièrent la langue, ce qui donne aux enfants une entrée linguistique ‘juste’ pour apprendre la prochaine chose.”
Les adultes ont tendance à s’adresser aux enfants de manière plus lente. Ils utilisent également une énonciation plus exagérée, une répétition et une structure linguistique simplifiée. Ils parsèment également leur communication de questions pour évaluer la compréhension de l'enfant. Au fur et à mesure que la maîtrise de la langue de l'enfant augmente, la structure et la complexité des phrases utilisées par les adultes augmentent. “C’est comparable à la progression suivie par un élève lorsqu'il apprend les mathématiques à l'école, estime Daniel Yurovsky. Quand vous allez à l'école, vous commencez par l'algèbre puis vous passez à la géométrie. Les gens parlent aux enfants en utilisant le même type de structure sans y penser. Ils mesurent ce que leur enfant sait du langage et modifient leur façon de parler pour que les enfants les comprennent.”
Des éléments descriptifs propres aux connaissances de l’enfant
Les scientifiques ont décortiqué les éléments de langage pour comprendre comment les parents adaptent leurs interactions au développement de la parole de leur enfant. Pour cela, ils ont recruté 41 couples enfants-adultes et développé un jeu où les parents aident leurs progénitures à choisir un animal spécifique parmi un ensemble de trois, un jeu auquel les tout-petits (âgés de 15 à 23 mois) et leurs parents jouent régulièrement dans leur vie quotidienne. La moitié des animaux du jeu d'association étaient des animaux que les enfants apprennent généralement avant l'âge de 2 ans (par exemple, un chat, une vache), et l'autre moitié était des animaux qui sont généralement appris plus tard (par exemple, un paon, un léopard).
Les chercheurs ont remarqué que lorsque les parents ont dû décrire la deuxième catégorie d’animaux, inconnus pour l’enfant, ils ont utilisé éléments déscriptifs supplémentaires familiers à l'enfant. “Les parents ont une connaissance incroyablement précise de la langue de leur enfant parce qu'ils l'ont vu grandir et apprendre, estime Daniel Yurovsky. Ces résultats montrent que les parents tirent parti de leur connaissance du développement du langage de leurs enfants pour affiner les informations linguistiques qu'ils fournissent.”
Mieux penser les systèmes de langage d’apprentissage automatique
Ces résultats pourraient avoir une certaine pertinence pour les chercheurs travaillant dans le domaine de l'apprentissage automatique. “‘Ces résultats pourraient nous aider à comprendre comment penser les systèmes de langage d'apprentissage automatique, a conclu Daniel Yurovsky. Actuellement, nous formons des modèles de langage en leur donnant toutes les données linguistiques sur lesquelles nous pouvons mettre la main en même temps. Mais nous pourrions faire mieux si nous pouvions leur donner les bonnes données au bon moment, en les maintenant au bon niveau de complexité pour laquelle ils sont prêts.”