通过自动化分析对类别和字母流利性的比较

科学领域:

• 神经科学是一个神经科学.
• 语言学的语言学.
• 计算语言学 计算语言学

背景情况:

• 类别和字母流利性任务是评估词汇检索的标准神经心理工具.
• 之前的研究主要依赖于手动分析,限制了调查范围.

研究的目的:

• 用验证的自动化方法分析语音产生的类别和字母流利性任务.
• 在健康成年人中,比较类别和字母流利性任务之间的词汇和声学测量.

主要方法:

• 健康的参与者 (n=36) 完成了在线类别 ("动物") 和字母 ("F") 流利性的任务.
• 采用自然语言处理和声学分析的自动化管道处理记录.
• 分析了词汇变量 (例如,获取年龄,模糊性,具体性,频率,熟悉性) 和声学指标 (例如,单词间响应时间,单词持续时间).

主要成果:

• 类别流性产生了比字母流性更多的单词.
• 分类流利与较低的学习年龄,频率,语义模糊性,语义距离和单词间响应时间有关,但与字母流利相比,具体性和熟悉性更高.
• 词的特征如熟悉性,语义模两可,语义距离和持续时间随着时间的推移而变化,并在任务之间显著相互作用.

结论:

• 词汇测量 (获取年龄,熟悉度,语义含糊性) 和声学测量 (单词间响应时间,单词持续时间) 对于区分类别和字母流性任务至关重要.
• 可复制和可扩展的自动化技术可以有效地检测流性任务的差异.
• 这些自动化方法有望扩大对临床群体语音特征差异的理解.