Thèse Année : 2026

Gaze Dynamics in Middle Childhood

Dynamiques du Regard en Enfance Moyenne

Résumé

To be considered a competent conversationalist, one must acquire the ability to coordinate a repertoire of linguistic, vocal, and visual resources as part of a jointly managed activity. While early childhood and adult interaction have been extensively studied, the developmental period of middle childhood (6 to 12) remains comparatively under-characterized, particularly in ecologically valid settings. This thesis develops an ecologically grounded account of gaze behavior and dynamics in conversation during middle childhood. We introduce the CHICA (Child Interpersonal Communication Analysis) corpus, a novel multimodal dataset of French-speaking child-caregiver dyads recorded in their homes, documenting gaze behavior in face-to-face interaction using mobile eye-tracking. The corpus was methodologically developed to directly challenge laboratory-based approaches in which experimental settings themselves reshape the organization of talk and gaze. In practice, the research overcomes the "annotation bottleneck" in ecological data by adopting a hybrid approach: combining mobile eye-tracking and machine learning, including automated face detection, speech segmentation, and gaze estimation, with targeted manual correction. The thesis establishes baseline patterns of gaze behavior in middle childhood by first examining its overall prevalence. The analyses show that children aged 6-12 display a robust preference for directing their gaze toward the interlocutor’s face. Beyond overall prevalence: (1) children modulate gaze as a function of their conversational role, exhibiting higher face-directed gaze while listening than while speaking, a pattern that mirrors that of adults. (2) gaze is organized with respect to turn-taking. Children are more likely to avert their gaze at speech onset when taking the turn, and to direct their gaze back toward the interlocutor at speech offset when yielding the turn. Taken together, these patterns indicate that gaze coordination in middle childhood reflects refinement of an already established competence, rather than the acquisition of a new skill. Finally, we introduce a turn-taking prediction task to assess gaze contribution to floor management. Three approaches are introduced and evaluated: (1) a feature-based model operating on handcrafted acoustic and gaze features, (2) a sequence-based model that explicitly captures the temporal structure of speech and gaze, and (3) a representation-learning approach relying on learned acoustic embeddings. Across all three approaches, the inclusion of gaze information improves the prediction, showing that gaze contributes systematic information at turn transitions. This thesis argues that the developmental work of middle childhood is not about learning where to look, but rather the qualitative fine-tuning of how to use gaze fluently in talk. These findings provide essential normative baselines for clinical applications and the development of socially intelligent child-robot interfaces.

Pour être considéré comme un interlocuteur compétent, il faut acquérir la capacité de coordonner, en temps réel, un ensemble de ressources linguistiques, vocales et visuelles au cours d’une activité conjointement organisée. Alors que l’interaction en petite enfance et à l’âge adulte a été largement étudiée, la période de l’enfance moyenne (6 à 12 ans) demeure relativement sous-caractérisée, en particulier dans des contextes à forte validité écologique. Cette thèse développe ainsi un compte rendu écologiquement fondé des comportements et des dynamiques de regard en conversation durant l’enfance moyenne. Nous introduisons le corpus CHICA (Child Interpersonal Communication Analysis), un nouveau jeu de données multimodal de dyades enfant–parent francophones enregistrées à domicile, documentant le regard en interaction face à face à l’aide de lunettes avec un système d’eye-tracking. Le corpus a été conçu méthodologiquement pour proposer une alternative aux approches de laboratoire, dans lesquelles le cadre expérimental lui-même tend à reconfigurer l’organisation de la parole et du regard. Concrètement, cette thèse traite le "bottleneck" de l’annotation dans les données écologiques en adoptant une approche hybride : elle combine l’oculométrie mobile et des outils d’apprentissage automatique: incluant la détection automatique de visages, la segmentation de la parole et l’estimation du regard avec des corrections manuelles ciblées. La thèse établit d’abord des régularités de base du regard en enfance moyenne en examinant sa prévalence globale. Les analyses montrent que les enfants de 6 à 12 ans présentent une préférence marquée pour fixer le regard sur le visage de l’interlocuteur. Au-delà de cette prévalence : (1) les enfants modulent leur regard en fonction de leur rôle conversationnel, avec davantage de regard dirigé vers le visage lorsqu’ils écoutent que lorsqu’ils parlent, selon un schéma comparable à celui des adultes. (2) Le regard est également organisé en fonction de la dynamique de prise de parole: les enfants ont davantage tendance à détourner le regard au début d’un segment de parole lorsqu’ils prennent le tour, et à le réorienter vers l’interlocuteur à la fin du segment lorsqu’ils cèdent la parole. Pris ensemble, ces résultats indiquent que la coordination du regard en enfance moyenne relève surtout du raffinement d’une compétence déjà en place, plutôt que de l’acquisition d’une nouvelle. Enfin, nous introduisons une tâche prédictive de dynamique de prise de parole afin d’évaluer la contribution du regard à la gestion du tour de parole. Trois approches sont mises en œuvre et comparées: (1) un modèle fondé sur des variables explicites combinant des caractéristiques acoustiques et de regard, (2) un modèle séquentiel qui capture explicitement la structure temporelle de la parole et du regard, et (3) une approche par apprentissage de représentations s’appuyant sur des embeddings acoustiques appris. Dans les trois cas, l’ajout de l’information de regard améliore la prédiction, ce qui montre que le regard apporte une information systématique au moment des transitions de tour. Cette thèse soutient ainsi que le développement propre à l’enfance moyenne ne porte plus sur l’apprentissage de l’endroit où regarder, mais sur l’ajustement qualitatif de la manière d’utiliser le regard, avec fluidité, dans l’organisation de la conversation. Ces résultats fournissent des bases normatives essentielles pour des applications cliniques, ainsi que pour le développement d’interfaces socialement intelligentes, notamment dans les interactions enfant–robot.

Fichier principal
Vignette du fichier
155374_GOUMRI_2026_archivage.pdf (6.2 Mo) Télécharger le fichier

Dates et versions

tel-05604310 , version 1 (27-04-2026)

Licence

Identifiants

  • HAL Id : tel-05604310 , version 1

Citer

Dhia-Elhak Goumri. Gaze Dynamics in Middle Childhood. Computer Science [cs]. Aix-Marseille Université, 2026. English. ⟨NNT : 2026AIXM0063⟩. ⟨tel-05604310⟩
0 Consultations
0 Téléchargements

Partager

  • More