Le modèle Short List (Norris, 1994)

Comme Cohorte et NAM, ShortList est un modèle entièrement ascendant. Dans ShortList les informations circulent uniquement de bas en haut. De ce fait, les connaissances lexicales de haut-niveaux ne peuvent pas influencer les traitements qui se déroulent à des niveaux plus précoces. Dans ShortList il n’existe pas d’activation/inhibition descendantes, seules les activations/inhibitions ascendantes et latérales ont lieu. ShortList utilise des représentations lexicales explicites qui lui permettent une confrontation directe avec le signal. De ce fait, ShortList est capable de détecter et d’identifier les défauts de prononciation.

Le modèle propose deux étapes de traitement : la première consiste en l’activation d’une liste initiale de candidats potentiels (comme dans Cohorte), la seconde est une étape de compétitions lexicales semblable à celle de TRACE. Pour aboutir à la sélection du bon candidat, ShortList utilise des boucles de rétroaction et restreint le nombre de candidats activés. La première étape consiste à sélectionner une liste réduite de candidats, la « short list », dont la taille est régulée par un système de score d’ajustement entre le signal et les entrées lexicales. À chaque phonème entrant, le score est établi de la façon suivante : un bon appariement est codé positivement (+ 1) et un défaut d’appariement est codé négativement (‑ 3). L’appartenance d’un candidat à la « short list », dépend de sa congruité avec le signal. Les candidats les moins appariés au signal d’entrée sortent automatiquement de la « short list » du fait de leur faible score d’ajustement. La « short list » est donc constituée d’un ensemble de candidats potentiels qui vont ensuite entrer en compétition les uns contre les autres pour être sélectionnés. Cette deuxième étape fonctionne exactement comme les compétitions lexicales de troisième niveau dans TRACE. Les différents compétiteurs s’inhibent entre eux. Les mots présentant les mêmes phonèmes (recouvrement phonémique) vont s’inhiber de façon proportionnelle au nombre de phonèmes qu’ils partagent. L’avantage de ShortList par rapport à TRACE est que la taille réduite de la « short list » additionnée à un nombre restreint de connexions relayant l’activation, permet au modèle de fonctionner avec un lexique de taille plus réaliste (environ 25 000 mots). Le problème de la segmentation de la parole est résolu dans ShortList comme dans TRACE grâce aux processus de compétitions lexicales. Dans la séquence « Un chat grincheux », on peut supposer que le mot « chagrin » va être activé. La sélection du candidat « chagrin » laisserait l’item « cheux » isolé, sans appariement possible. Ainsi, c’est bien les mots « chat » et « grincheux » qui vont émerger car ils correspondent parfaitement à l’ensemble de la séquence.

Une extension de ShortList a été proposée par Norris, Mc Queen & Cutler (2000) avec le modèle MERGE. MERGE modélise spécifiquement les décisions phonémiques sans retour du lexique sur les niveaux de traitement inférieurs. Le sujet de cette thèse ne portant pas précisément sur les décisions phonémiques, nous ne développerons pas ici le modèle MERGE.