Alejandrina CRISTIALaboratoire de sciences cognitives et psycholinguistique (LSCP) - ENS-PSL, EHESS, CNRS
En 2004, elle obtient une licence de lettres à l'Universidad Nacional de Rosario, en Argentine, et qui lui vaut le prix annuel de l'Academia Argentina de letras. En rejoignant le programme interdisciplinaire de linguistique, Alejandrina obtient une maîtrise (2006) puis un doctorat (2009) à Purdue University, aux États-Unis. Un financement postdoctoral par la Fondation Pierre Gilles de Gennes et la Fondation Fyssen la conduit au Laboratoire de sciences cognitives et psycholinguistique (LSCP) à l’Ecole normale supérieure de Paris. Elle rejoint ensuite le département de neurobiologie du langage du Max Planck Institute aux Pays-Bas pendant deux ans, avant de revenir au LSCP en tant que chargée de recherche CNRS en 2013. Elle termine son habilitation à diriger des recherches en 2014, et devient directrice de recherche CNRS en 2019. En 2017, elle reçoit un John S. McDonnell Scholar Award in Understanding Human Cognition. La même année, elle crée l'équipe "Language acquisition across cultures" composée de neuf membres. Trois ans plus tard, ses travaux sont récompensés par l'obtention d'une médaille de bronze en linguistique du CNRS.
Experience Effects on early Language acquisition
ExELang
Comment l'expérience affecte-t-elle l'acquisition du langage par l'enfant ? La réponse à cette question, cruciale pour la compréhension de la cognition humaine, est biaisée et incomplète aujourd’hui.
Deux tiers des études portent sur l'anglais, et de plus, il n'y a pas de données permettant d’établir une causalité. Le projet ExELang s’attaque à ces deux problèmes. L'équipe d’Alejandrina réutilisera des données acquises avec une technique innovante : des enregistrements audio collectés à l'aide d'un enregistreur porté par l'enfant tout au long d'une journée ordinaire, vivant dans des sites ruraux et urbains sur tous les continents peuplés, apprenant une grande variété de langues, et dans certains cas, participant à des essais contrôlés randomisés. Ces nombreux enregistrements, longs et multilingues, seront analysés par des algorithmes d'apprentissage automatique de pointe développés par l'équipe de chercheurs. Cela permettra d'obtenir des mesures représentant de façon plus fidèle les expériences des divers enfants (le discours qui leur est adressé et celui qu'ils entendent) ainsi que le degré d'avancement de leurs propres vocalisations, pour comprendre la véritable association entre ces mesures.