Elise Lincker
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Elise Lincker has a total of 11 co-authors. Here are the top co-authors by number of shared publications:
- Camille Guinaudeau
Université Paris-Saclay, CNRS, LISN
3 shared publications - Caroline Huron
Inserm U1284, France; Learning Planet Institute, Research Unit Learning Transitions (UR LT, joint unit with CY Cergy Paris University), F-75004, Paris, France
2 shared publications - Shin'Ichi Satoh
National Institute of Informatics
2 shared publications - Céline Hudelot
CentraleSupelec - Université Paris-Saclay
1 shared publication - Isabelle Barbet
Conservatoire National des Arts et Métiers
1 shared publication - Jainendra Shukla
Human-Machine Interaction Lab, IIIT-Delhi, New Delhi, India
1 shared publication
Latest Publications
- 25 May 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Structuration, classification et génération automatiques pour l'accessibilité des manuels scolaires
Cette thèse s'inscrit dans le cadre du projet ANR MALIN et porte sur l'accessibilité des manuels scolaires en usage dans les établissements scolaires français, pour les élèves dyspraxiques ou déficients visuels. Elle explore le potentiel des modèles de langue et vision-langage pré-entraînés, pour automatiser la structuration et l'adaptation des manuels scolaires. Nous proposons une modélisation formelle du manuel scolaire, centrée sur les activités pédagogiques, qui articule structure conceptuelle et mise en page. Cette modélisation, traduite en une DTD XML compatible avec des standards existants, sert de base à la constitution d'un corpus structuré de manuels d'étude de la langue. Nous explorons ensuite la structuration automatique des exercices avec des modèles de vision par ordinateur, des modèles pré-entraînés multimodaux et des grands modèles vision-langage. Le second axe concerne la classification des exercices selon le type d'adaptation nécessaire. Dans un contexte de données multimodales, limitées et fortement déséquilibrées, nous comparons différentes approches fondées sur des modèles de langue pré-entraînés exploitant le texte et la mise en page. Nous introduisons ensuite un second objectif de classification lié à la nature de l'opération pédagogique demandée dans la consigne, et proposons un nouveau scénario d'apprentissage incrémental par tâche. Le dernier axe de recherche porte sur l'accessibilité visuelle à travers la génération automatique de textes alternatifs. Constatant la rareté de données adaptées, nous élargissons l'étude à un cadre anglophone plus général, et introduisons le corpus AD2AT. La mise en évidence des critères d'accessibilité, ainsi que des expériences préliminaires, ouvrent la voie à de nouvelles approches d'affinage par instructions et à une métrique d'évaluation sans référence.
- 25 May 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Structuration, classification et génération automatiques pour l'accessibilité des manuels scolaires
Cette thèse s'inscrit dans le cadre du projet ANR MALIN et porte sur l'accessibilité des manuels scolaires en usage dans les établissements scolaires français, pour les élèves dyspraxiques ou déficients visuels. Elle explore le potentiel des modèles de langue et vision-langage pré-entraînés, pour automatiser la structuration et l'adaptation des manuels scolaires. Nous proposons une modélisation formelle du manuel scolaire, centrée sur les activités pédagogiques, qui articule structure conceptuelle et mise en page. Cette modélisation, traduite en une DTD XML compatible avec des standards existants, sert de base à la constitution d'un corpus structuré de manuels d'étude de la langue. Nous explorons ensuite la structuration automatique des exercices avec des modèles de vision par ordinateur, des modèles pré-entraînés multimodaux et des grands modèles vision-langage. Le second axe concerne la classification des exercices selon le type d'adaptation nécessaire. Dans un contexte de données multimodales, limitées et fortement déséquilibrées, nous comparons différentes approches fondées sur des modèles de langue pré-entraînés exploitant le texte et la mise en page. Nous introduisons ensuite un second objectif de classification lié à la nature de l'opération pédagogique demandée dans la consigne, et proposons un nouveau scénario d'apprentissage incrémental par tâche. Le dernier axe de recherche porte sur l'accessibilité visuelle à travers la génération automatique de textes alternatifs. Constatant la rareté de données adaptées, nous élargissons l'étude à un cadre anglophone plus général, et introduisons le corpus AD2AT. La mise en évidence des critères d'accessibilité, ainsi que des expériences préliminaires, ouvrent la voie à de nouvelles approches d'affinage par instructions et à une métrique d'évaluation sans référence.
- 3 January 2025
- Published by Springer Nature
- p. 58-71
AD2AT: Audio Description to Alternative Text, a Dataset of Alternative Text from Movies
- 3 January 2025
- Published by Springer Nature
- p. 58-71
AD2AT: Audio Description to Alternative Text, a Dataset of Alternative Text from Movies
- 2 January 2025
- Published by Springer Nature
- p. 212-225
Towards Inclusive Education: Multimodal Classification of Textbook Images for Accessibility
- 2 January 2025
- Published by Springer Nature
- p. 212-225
Towards Inclusive Education: Multimodal Classification of Textbook Images for Accessibility
- Open Access
- 20 September 2023
- Published by Association for Computing Machinery (ACM)
- p. 71-78
Noisy and Unbalanced Multimodal Document Classification: Textbook Exercises as a Use Case
In order to foster inclusive education, automatic systems that can adapt textbooks to make them accessible to children with Developmental Coordination Disorder (DCD) are necessary. In this context, we propose a task to classify exercises according to their DCD adaptation type. We introduce a challenging exercise dataset extracted from French textbooks, with two major difficulties: limited and unbalanced, noisy data. To set a baseline on the dataset, we use state-of-the-art models combined through early and late fusion techniques to take advantage of text and vision/layout modalities. Our approach achieves an overall accuracy of 0.802. However, the experiments show the difficulty of the task, especially for minority classes, where the accuracy drops to 0.583.
- 20 September 2023
- Published by Association for Computing Machinery (ACM)
- p. 71-78
Open AccessNoisy and Unbalanced Multimodal Document Classification: Textbook Exercises as a Use Case
In order to foster inclusive education, automatic systems that can adapt textbooks to make them accessible to children with Developmental Coordination Disorder (DCD) are necessary. In this context, we propose a task to classify exercises according to their DCD adaptation type. We introduce a challenging exercise dataset extracted from French textbooks, with two major difficulties: limited and unbalanced, noisy data. To set a baseline on the dataset, we use state-of-the-art models combined through early and late fusion techniques to take advantage of text and vision/layout modalities. Our approach achieves an overall accuracy of 0.802. However, the experiments show the difficulty of the task, especially for minority classes, where the accuracy drops to 0.583.